2米资源网

01 行人重识别原理及其应用

01 行人重识别要解决的问题_ev.mp4

02 挑战与困难分析_ev.mp4

03 评估标准rank1指标_ev.mp4

04 map值计算方法_ev.mp4

05 triplet损失计算实例_ev.mp4

06 Hard-Negative方法应用_ev.mp4

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_ev.mp4

02空间权重值计算流程分析_ev.mp4

03融合空间注意力所需特征_ev.mp4

04基于特征图的注意力计算-ev.mp4

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_ev.mp4

02参数配置与整体架构分析_ev.mp4

03进入debug模式解读网络计算流程_ev.mp4

04获得空间位置点之间的关系_ev.mp4

05组合关系特征图_ev.mp4

06计算得到位置权重值ev.mp4

07基于特征图的权重计算_ev.mp4

08损失函数计算实例解读_ev.mp4

09 训练与测试模块演示_ev.mp4

04 AAAI2020顶会算法精讲

01 论文整体框架概述_ev.mp4

02局部特征与全局关系计算方法_ev.mp4

03 特征分组方法_ev.mp4

04 GCP模块特征融合方法_ev.mp4

05 oneVsReset方法实例_ev.mp4

06 损失函数应用位置_ev.mp4

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_ev.mp4

02 数据源构建方法分析_ev.mp4

03 dataloader加载顺序解读_ev.mp4

04 debug模式解读_ev.mp4

05 网络计算整体流程演示_ev.mp4

06 特征序列构建_ev.mp4

07 GCP全局特征提取ev.mp4

08 局部特征提取实例_ev.mp4

09 特征组合汇总_ev.mp4

10 得到所有分组特征结果_ev.mp4

11 损失函数与训练过程演示_ev.mp4

12 测试与验证模块_ev.mp4

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_ev.mp4

02 图卷积与匹配的作用_ev.mp4

03 局部特征热度图计算_ev.mp4

04基于图卷积构建人体拓扑关系_ev.mp4

05 图卷积模块实现方法_ev.mp4

06图匹配在行人重识别中的作用_ev.mp4

07 整体算法框架分析_ev.mp4

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_ev.mp4

02 局部特征准备方法_ev.mp4

03得到一阶段热度图结果_ev.mp4

04 阶段监督训练_ev.mp4

05 初始化图卷积模型_ev.mp4

06 mask矩阵的作用_ev.mp4

07 邻接矩阵学习与更新_ev.mp4

08 基于拓扑结构组合关键点特征_ev.mp4

09 图匹配模块计算流程_ev.mp4

10 整体项目总结_ev.mp4

配套资源

唐宇迪 行人重识别实战
百度网盘分享地址： 链接: https://pan.baidu.com/s/1HZuqvSB6bvnv-DTMAnNBqg?pwd=mvac 提取码: mvac