2019 ArXiv之ReID:Hetero-Center Loss for Cross-Modality Person Re-Identification

Hetero-Center Loss for Cross-Modality Person Re-Identification 當前的問題及概述: 目前所有的框架都在解決跨模態差異問題,很少有研究探討改進類內跨模態相似性。 本文提出了一個新的損失函數,稱爲異中心損失(HC損失),以減少類內交叉模態的變化。具體來說,HC損失可以通過約束兩個異質模態之間的類內中心距離來監督網絡學習的跨模態不變信息。在交
相關文章
相關標籤/搜索