【论文阅读】Hierarchical Bi-Directional Feature Perception Network for Person Re-Identification
发布时间
阅读量：
阅读量
问题：最有判别力的特征 由于遮挡或者视角变化 造成缺失的时候
- 就是最有用的缺失一部分
针对多层次信息之间的相互关联关系及其相互促进机制。
首先介绍了一种基于低秩双线性池的技术模型用于跨层特征间的相关映射建模。
在此基础上引入双向感知模块用于丰富高级特征的关注区域。
同时学习低级特征中的抽象与具体表现。
我们开发了一种新型的端到端层次架构。
该架构整合了多级增强特性。
通过将增强后的中低层特征求输入至后续层级并重新训练以提升整体性能。
此外该系统还设计了一种新型可训练广义池化技术
被设计成能够动态地选择feature map中的任意位置激活值
In this paper, we introduce an innovative Hierarchical Bi-directional Feature Perception Network (HBFP-Net), which makes use of the interactions among multi-level feature maps through low-rank bilinear pooling and employs a Bi-directional Feature Perception (BFP) module to correlate multi-level information. While exploring these relationships and connections, we pay particular attention to subtle regions that are often overlooked.
强化的高级特性在整体范围内的关注显著提升，并且强化的低级信息主要集中在身体的关键部位
- 不同层之间相互生成 通过 BPF生成 后面又接了个
全部评论 (0)
还没有任何评论哟~