我是靠谱客的博主 害怕红牛，最近开发中收集的这篇文章主要介绍[ECCV2018]Person Search via A Mask-Guided Two-Stream CNN ModelContribution，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
这篇文章和以往的person search文章不同，作者提出detector和re-ID分离才会产生更好的performance。detector是faster RCNN产生proposal和离线（off-the-shelf）的instance segmentation method FCIS产生分割的mask；re-ID是用的Two-stream CNN完成。
Contribution
Method
框架如上图。Detector是用的faster RCNN，分割是用的现有的算法FCIS；随后对原图像块和前景图像分别输入O-Net和F-Net，然后用concatenate将其整合在一起。再利用SEBlock对权重进行再分配，在经过GAP(Global Average Pooling)和FC，对输出向量求OIM loss。
SEBlock
OIM Loss
实验结果
转载于:https://www.cnblogs.com/xiaoaoran/p/11134528.html
最后
以上就是害怕红牛为你收集整理的[ECCV2018]Person Search via A Mask-Guided Two-Stream CNN ModelContribution的全部内容，希望文章能够帮你解决[ECCV2018]Person Search via A Mask-Guided Two-Stream CNN ModelContribution所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
![[ECCV2018]Person Search via A Mask-Guided Two-Stream CNN ModelContribution](/uploads/reation/bcimg13.png)
发表评论 取消回复