多摄像机人员跟踪和重新识别(使用视频) 用于“检测/跟踪”和“重新识别”不同摄像机/视频中的个人的简单模型。 介绍 该项目旨在跟踪不同角度的视频中的人。 用于完成此任务的框架分别依靠MOT和ReID来跟踪和重新标识人类的ID。 可以使用YOLO_v3或YOLO_v4来完成跟踪,并且ReID依赖于KaiyangZhou的Torchreid库。 安装 如果您的计算机上未安装 ,请下载 克隆存储库 git clone https : // github . com / samihormi / Multi - Camera - Person - Tracking - and - Re - Identification 创建项目环境 cd Multi - Camera - Person - Tracking - and - Re - Identification conda create
2023-03-22 15:57:54 50.11MB tracking video computer-vision tensorflow
1
matlab alexnet图像识别代码可见热力人员重新识别(交叉方式人员Re-ID) AAAI 2018和IJCAI 2018中的演示代码。 AAAI 18论文的框架:两阶段框架(特征学习+公制学习) IJCAI 18论文的框架:端到端学习 1.准备数据集。 可以通过提交版权表格从中下载RegDB数据集。 (其名称为“东国基于身体的人的识别数据库(DBPerson-Recog-DB1)”。) 2. AAAI中的两流CNN网络功能学习(TONE) 所有代码都在用Python编写的文件夹“ TONE /”中。 该演示代码已在Python 2.7和Tensorflow v0.11上进行了测试。 一种。 准备数据集和训练/测试列表,如TONE/dataset.py所示。 列表格式为image_path label 。 b。 下载预训练的alexnet模型并修改TONE/model.py 。 C。 运行python TONE/tone_train.py训练网络。 d。 运行python TONE/tone_eval.py评估学习的功能并提取功能以供以后的度量学习。 (您还可以修改脚本以获取不同
2023-03-02 23:12:45 191KB 系统开源
1
笔记目录摘要1.简介2.相关工作3.方法3.1生成器模块3.2判别模块3.3优化4.实验4.1实验实现细节4.2生成评估4.3判别评估5.结论论文部分英文解释论文翻译参考 Joint Discriminative and Generative Learning for Person Re-identification arXiv:1904.07223v2 [cs.CV] 22 May 2019 注:限于作者水平,本笔记难免存在不妥之处,欢迎批评指正 摘要 以往的方法生成数据流程与判别性re-id学习阶段保持相对分离 本文则通过更好地利用生成的数据来寻求改进学习的re-id特征 提出了一个将re
2021-11-29 12:42:21 1.02MB AND ar c
1
车辆X 该存储库包含ECCV2020中论文“使用属性下降模拟内容一致的车辆数据集”的代码。 VehicleX数据还与和。 相关资料:,,6, 。 您可以使用我们的快速浏览我们的数据。 该演示包含1362个中的70个id。使用VehicleX图像的整个过程分为三个步骤: 属性分布学习,并通过VehicleX引擎生成具有学习到的属性的图像(内容级别域适配); 对生成的图像执行样式级别域适配(SPGAN); 训练用于样式转换图像的re-ID模型。 这三个步骤的代码分别在,./ 和上可用。 欢迎您将代码的每个部分用于研究目的。 VehicleX的Unity源代码也可在上。 Vehicle
2021-03-23 15:33:59 115.02MB unity re-identification reid vehicle-reid
1
具有三重态焦点损失的人员重新识别
2021-03-07 09:05:23 945KB Re-identification Triplet Focal Loss
1
A combined feature representation of deep feature and hand-crafted features for person re-identification
2021-02-22 14:06:28 631KB 研究论文
1
A shortly and densely connected convolutional neural network for vehicle re-identification
2021-02-08 19:06:11 1012KB 研究论文
1
服务器状态检查中...