人工智能深度学习系统班6期 16 行人重识别实战
- 01 行人重识别原理及其应用
- 01 行人重识别要解决的问题
- 02 挑战与困难分析
- 03 评估标准rank1指标
- 04 map值计算方法
- 05 triplet损失计算实例
- 06 Hard-Negative方法应用
- 02 基于注意力机制的Reld模型论文解读
- 01 论文整体思想及注意力机制的作用解读
- 02 空间权重值计算流程分析
- 03 融合空间注意力所需特征
- 04 基于特征图的注意力计算
- 03 基于Attention的行人重识别项目实战
- 01 项目环境与数据集配置
- 02 参数配置与整体架构分析
- 03 进入debug模式解读网络计算流程
- 04 获得空间位置点之间的关系
- 05 组合关系特征图
- 06 计算得到位置权重值
- 07 基于特征图的权重计算
- 08 损失函数计算实例解读
- 09 训练与测试模块演示
- 04 AAAI2020顶会算法精讲
- 01 论文整体框架概述
- 02 局部特征与全局关系计算方法
- 03 特征分组方法
- 04 GCP模块特征融合方法
- 05 oneVsReset方法实例
- 06 损失函数应用位置
- 05 项目实战-基于行人局部特征融合的再识别实战
- 01 项目配置与数据集介绍
- 02 数据源构建方法分析
- 03 dataloader加载顺序解读
- 04 debug模式解读
- 05 网络计算整体流程演示
- 06 特征序列构建
- 07 GCP全局特征提取
- 08 局部特征提取实例
- 09 特征组合汇总
- 10 得到所有分组特征结果
- 11 损失函数与训练过程演示
- 12 测试与验证模块
- 06 旷视研究院最新算法解读（基于图模型）
- 01 关键点位置特征构建
- 02 图卷积与匹配的作用
- 03 局部特征热度图计算
- 04 基于图卷积构建人体拓扑关系
- 05 图卷积模块实现方法
- 06 图匹配在行人重识别中的作用
- 07 整体算法框架分析
- 07 基于拓扑图的行人重识别项目实战
- 01 数据集与环境配置概述
- 02 局部特征准备方法
- 03 得到一阶段热度图结果
- 04 阶段监督训练
- 05 初始化图卷积模型
- 06 mask矩阵的作用
- 07 邻接矩阵学习与更新
- 08 基于拓扑结构组合关键点特征
- 09 图匹配模块计算流程
- 10 整体项目总结