《Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking 》、他の論文はReIDの並べ替えの正確性を高める方法を研究しています。この記事は他の観点からシステムの出力を邪魔する学習の間違った並べ替えのモデルを提案しています。ネットの安全問題は無職できません、どんなシステムの健全性も重要です。この論文は新しい研究の構想を示しています。この問題も初めての接触です。見たところ、実現前に研究したGANによって実現されました。コンピュータ視覚研究分野におけるGANの重要性と言わざるを得ない。
《Image-Image Domain Adaptation with Preserved Self-Similarly and Domain-Dissimilarly for Person Re-identification》、ReIDの研究については、現在は基本的に既存データヤットで検証されています。歩行者の状態と行動の不確実性のため、リアルタイムReIDを実現するのは難しいです。まず研究の過程で「どのように訓練をきちんとしたモデルを実用的な応用シーンに移すか」という実際問題に出会い、この論文を読みました、CycleGAN問題に戻りました。
《A Simple Baseline for Multi-Object Tracking》、また、ReIDについては以前の研究は認識と追跡を二段階に分けて行い、2020年4月7日にリリースされたの２つのステップが同時に完成しました。今週は引き続き真剣に読まなければなりません。
《Deep Learning for Person Re-identification: A Survey and Outlook》、この論文は2020年初頭に発表された、245編の近年のReIDに関する論文を調査し。この方法の技術的進展を概観して、将来のReID技術の発展にいくつかの価値がある方向を示した。これは最近一番読むべきReIDの概要だと思います。
