VALSE

VALSE 首页 活动通知 查看内容

VALSE 论文速览 第155期:MSINet:Twins Contrastive Search for Object ReID

2023-12-15 19:40| 发布者: 程一-计算所| 查看: 494| 评论: 0

摘要: 论文题目:MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID作者列表:顾见洋 (浙江大学)、王锴 (新加坡国立大学)、罗浩 (阿里巴巴)、陈忱 (OPPO研究院) 、姜伟 (浙江大学) 、方宇强 ( ...

论文题目:

MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID

作者列表:

顾见洋 (浙江大学)、王锴 (新加坡国立大学)、罗浩 (阿里巴巴)、陈忱 (OPPO研究院) 、姜伟 (浙江大学) 、方宇强 (航天工程大学) 、仉尚航 (北京大学) 、尤洋 (新加坡国立大学) 、赵健 (军事科学院)


B站观看网址:

https://www.bilibili.com/video/BV1XN4y127eF/



论文摘要:

神经架构搜索 (Neural Architecture Search, NAS)在目标重识别 (Re-Identification, ReID)领域中具有越来越大的影响力,因为针对特定任务设计的架构可以显著提高检索的性能。之前的一些工作探索了NAS ReID的新优化目标和搜索空间,但忽略了图像分类和ReID之间训练机制的差异。在这项工作中,我们提出了一种新颖的孪生对比机制 (Twins Contrastive Mechanism, TCM),为ReID架构搜索提供更合适的监督。TCM减少了训练和验证数据之间的类别重叠,并协助NAS模拟现实世界的ReID训练机制。然后,我们设计了一个多尺度交互 (Multi-Scale Interaction, MSI)搜索空间来搜索多尺度特征之间的合理交互操作。此外,我们引入了一个空间对齐模块 (Spatial Alignment Module, SAM),以进一步增强不同来源图像所面临的注意力一致性。在所提出的NAS方案下,我们将搜索得到的架构命名为MSINet。大量的实验表明,我们的方法在域内和跨域场景上都超越了最先进的ReID方法。


参考文献:

[1] Gu, Jianyang, et al. "MSINet: Twins Contrastive Search of Multi-Scale Interaction for Object ReID." Proceedings of the IEEE/ CVF Conference on Computer Vision and Pattern Recognition. 2023.


论文链接:

[https://arxiv.org/abs/2303.07065]


代码链接:

[https://github.com/vimar-gu/MSINet]


视频讲者简介:

顾见洋,浙江大学博士生。主要研究方向为目标重识别和数据集蒸馏。目前在CCF A类期刊会议上发表多篇论文。



特别鸣谢本次论文速览主要组织者:

月度轮值AC:胡鹏 (四川大学)

季度轮值AC:樊彬 (北京科技大学)


小黑屋|手机版|Archiver|Vision And Learning SEminar

GMT+8, 2024-10-31 14:19 , Processed in 0.013595 second(s), 14 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

返回顶部