【16371】-唐宇迪 行人重识别实战
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
加QQ群共同学习共同进步
