BriefGPT - AI 论文速递
·
DROP: 从遮挡人员重新识别解耦到人体解析的任务特定特征
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
DROP是一种用于处理遮挡的人物再识别的方法，通过解耦ReID和人体解析特征，并引入细节保留上采样来处理不同分辨率的特征图，解决两者之间的差异问题。实验结果显示，DROP在Occluded-Duke数据集上达到了76.8%的Rank-1准确率，超过其他两种主流方法。
🎯
关键要点
- DROP是一种处理遮挡人物再识别的方法。
- DROP通过解耦ReID和人体解析特征来解决两者之间的差异问题。
- 引入细节保留上采样以处理不同分辨率的特征图。
- 在Occluded-Duke数据集上，DROP达到了76.8%的Rank-1准确率。
- DROP的表现超过了其他两种主流方法。
➡️
