Hexo

1. 前言

• paper: CVPR2019_Generalizable Person Re-identification by Domain-Invariant Mapping Network
• code: 暂无

0. 前言

• paper: CVPR2019_ArcFace: Additive Angular Margin Loss for Deep Face Recognition
• code: MXNet, pytorch, pytorch, tensorflow
• author: 邓健康

开源代码中称之为 insightface，思路简单，效果却很好，并且与其他变种做了详尽的对比。(这篇论文原名是ArcFace，但是由于与虹软重名，后改名为Insight Face)

0. 前言

• paper: FUNIT: Few-Shot Unsupervised Image-to-Image Translation
• code: code

代码还需要等段时间，才能下载到所有代码。

这篇文章和郑哲东的 Joint Discriminative and Generative Learning for Person Re-identification 这篇文章看着有点像，果然是高手的思路都是相同的。不对，两个都是 NVIDIA 的，哈哈哈。

这篇文章思路奇特，实现简单。

0. 前言

• paper: CVPR2019_STGAN: A Unified Selective Transfer Network for Arbitrary Image Attribute Editing
• code: tensorflow, pytorch

0. 前言

• paper: CVPR2019 Weakly Supervised Person Re-Identification
• code:

0. 前言

• paper: Bag of Tricks and A Strong Baseline for Deep Person Re-identification
• code:　pytorch

这篇论文是旷视科技 Video Team 做的。

这篇论文主要介绍 re-id 代码中的各种 trick 的作用。

0. 前言

• paper: CVPR2019 Unsupervised Person Re-identification by Soft Multilabel Learning
• code: pytorch
• 参考链接: https://www.cnblogs.com/Thinker-pcw/p/10807681.html

出发点 Multi-label 很强，效果的确好，就是论文看得有点头晕，有些公式自己之前从来没见过，并且有些公式的出发点没有实验证明。

这篇论文是腾讯的，今年腾讯优图实验室25篇、腾讯AILab33篇共计55篇论文被 CVPR 2019 录取。

0. 前言

• paper: 商汤 CVPR2017 Residual Attention_Network for Image Classification
• code: caffe, caffe网络可视化工具 Netscope, pytorch
• paper: ECCV2018_CBAM: Convolutional Block Attention Module
• code: pytorch
• paper: GCNet: Non-local Networks Meet Squeeze-Excitation Networks and Beyond
• code: pytorch

0. 前言

钟准团队的CCPR2019文章，牛逼。思想有一丢丢类似聚类，但是比聚类强的是，赋予了id。与HHL文章有很大的不同。什也不说了，虚心学习。

• paper: CVPR2019_Invariance Matters Exemplar Memory for Domain Adaptive Person Re-identification
• code: pytorch

0. 前言

这篇文章的重点在于 dual attention 的作用，并且attention的使用和之前看到的 SE block 还不太一样。dual attention 主要解决了全局依赖性，即其他位置的物体对当前位置的的物体的特征的影响。重点不是场景分割，自己也不是很懂分割的代码和实现，暂时对分割不做过多研究。

• paper: CPVR2019: Dual Attention Network for Scene Segmentation
• code: pytorch
• team: 中科院自动化所图像与视频分析团队（IVA），隶属于模式识别国家重点实验室，在 ICCV 2017 COCO-Places 场景解析竞赛、京东 AI 时尚挑战赛和阿里巴巴大规模图像搜索大赛踢馆赛等多次拔得头筹。嗯，一句话，很牛逼。
• 解读