BriefGPT - AI 论文速递
·
可见光与红外人员再识别的模态统一网络
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了PMT深度学习框架，用于解决VI-ReID任务中的模态变化问题，并提出了Discriminative Center Loss和Modality-Shared Enhancement Loss来提高特征区分度。该框架在SYSU-MM01和RegDB数据集上表现优异。
🎯
关键要点
-
提出了一种名为 PMT 的深度学习框架。
-
PMT 框架采用渐进式共享模态转换器解决 VI-ReID 任务中的模态变化问题。
-
对模态共享特征进行可靠度和共性分析。
-
提出 Discriminative Center Loss (DCL) 和 Modality-Shared Enhancement Loss (MSEL)。
-
DCL 和 MSEL 旨在缓解大内部差异和小类间差异问题。
-
该框架在 SYSU-MM01 和 RegDB 数据集上表现优于现有大多数方法。
➡️
