线上分享 | 郑哲东 Deep-ReID: 关于行人重识别的深度学习方法

2017 年 7 月 24 日 极市平台
↑ 点击蓝字关注极市平台 识别先机 创造未来



| 极视角线上分享  第19期 |



行人重识别是计算机视觉领域一个偏应用的话题,主要涉及智能安防/智能监控。本期我们邀请到了来自悉尼科技大学博士生,近期发表ICCV2017论文的郑哲东来为我们分享行人重识别的相关内容。




01

活动信息



主题:Deep-ReID: 关于行人重识别的深度学习方法

时间:北京时间周四晚(7月27日)20:00-21:30



02

嘉宾信息






郑哲东

悉尼科技大学博士生,研究图像检索/行人重识别



郑哲东,悉尼科技大学博士生,研究方向为 图像检索和行人重识别。近期 ICCV 2017录用的论文《Unlabeled Samples Generatedby GAN Improve the Person Re-identification Baseline in vitro》  提出利用对抗生成样本来辅助传统任务,例如行人重识别和细粒度分类,另写有知乎文章 《行人重识别:从哈利波特地图说起




03

关于分享



分享背景

行人重识别是计算机视觉领域一个偏应用的问题,主要涉及智能安防/智能监控,可以应用于大型公共场所,如主题公园/机场/大学校园 来寻找指定行人。嘉宾将主要介绍深度学习相关的行人重识别方法。



➤分享内容

  • 行人重识别背景

      - 主要应用场景与算法流程

  • 行人重识别几个经典方案

      - 部件匹配 Part matching

      - 多任务学习 Multi-task learning

      -  数据增强 Data augmentation

  • 进展与展望

      - 无监督/半监督学习

      - 行人检测+重识别

      - 自然语言检索 

      - 基于视频的行人重识别



04

参与方式



长按下图,识别图中二维码,关注“极市平台”公众号,回复19即可获取直播链接。如有想参加极视角群内分享的,欢迎回复“加群”获取加群信息。

注:提问请在本篇文章下提问,后续会将嘉宾回答的答案回复。


更多新鲜出炉的线上分享信息,实时更新的行业动态、干货分享,敬请关注“极市平台”。



05

往期回顾



极视角致力于打造最专业的的视觉算法开发与分发平台极市,特邀请行业内专业人员每周为大家分享视觉领域内的干货及经验,目前已成功举办18期线上分享。近期在线分享查看:


边佳旺 | 稳定的图像特征匹配以及快速的GMS方案

王超 | 走进GAN的世界

郑华滨 | 从PM到GAN—LSTM之父Schmidhuber横跨22年的怨念

王蒙蒙 | 基于计算机视觉的目标跟踪算法概览

曾冠奇 | 移动端AI的模型压缩

……

更多分享请浏览:极市计算机视觉技术分享集锦(http://cvmart.net/community/article/detail/78)


在"极市平台"公众号后台回复期数或者分享嘉宾名字,即可获取极市平台对应期在线分享资料。



06

关于极市平台



极市平台(Extreme Mart)是深圳极视角旗下的专业的视觉算法开发与分发平台,提供实景训练数据库、基础算法和规模化摄像头分发渠道等。目前已经与上百名开发者进行合作,上传了上百种视觉算法至极市平台,并且与北大深研院,深圳先进科学技术院等实验室有合作。


注:提问请在本篇文章下提问,后续会将嘉宾回答的答案回复。

Tip:大家可以提前下载好B站App,嘉宾直播时可以看到大家的弹幕,大家也可以弹幕来提问.




PS. 如有想加入极市专业CV开发者微信群,请填写申请表(链接:http://cn.mikecrm.com/wcotd9)申请入群~ 如有想免费宣传算法的,欢迎联系小助手(微信Extreme-Vision).

登录查看更多
14

相关内容

行人重识别(Person re-identification)也称行人再识别,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该行人图像。旨在弥补目前固定的摄像头的视觉局限,并可与行人检测/行人跟踪技术相结合,可广泛应用于智能视频监控、智能安保等领域。 由于不同摄像设备之间的差异,同时行人兼具刚性和柔性的特性 ,外观易受穿着、尺

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
元学习(meta learning) 最新进展综述论文
专知会员服务
275+阅读 · 2020年5月8日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
基于深度神经网络的少样本学习综述
专知会员服务
166+阅读 · 2020年4月22日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
102+阅读 · 2020年3月2日
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
269+阅读 · 2020年1月1日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
极市分享|张锋 2D单人姿态估计及应用
极市平台
7+阅读 · 2018年1月22日
独家 | 基于深度学习的行人重识别研究综述
AI科技评论
11+阅读 · 2017年12月20日
极市分享|王晋东 迁移学习中的领域自适应方法
极市平台
10+阅读 · 2017年12月11日
【回顾】Deep Learning读书分享:卷积网络
AI研习社
4+阅读 · 2017年11月15日
【直播】Deep Learning 读书分享 :前馈神经网络
AI研习社
3+阅读 · 2017年9月15日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Arxiv
4+阅读 · 2018年5月4日
Arxiv
9+阅读 · 2018年4月20日
Arxiv
3+阅读 · 2018年4月10日
Arxiv
13+阅读 · 2018年4月6日
VIP会员
相关VIP内容
元学习(meta learning) 最新进展综述论文
专知会员服务
275+阅读 · 2020年5月8日
最新《深度学习行人重识别》综述论文,24页pdf
专知会员服务
80+阅读 · 2020年5月5日
基于深度神经网络的少样本学习综述
专知会员服务
166+阅读 · 2020年4月22日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
102+阅读 · 2020年3月2日
2019->2020必看的十篇「深度学习领域综述」论文
专知会员服务
269+阅读 · 2020年1月1日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
相关资讯
Top
微信扫码咨询专知VIP会员