行人重识别实战项目解析
体系课

行人重识别实战项目解析

  • 深度学习

基于高校数据集的行人重识别模型训练

¥299.9
本课程包括
  • 5小时33分钟的视频随时观看
  • 课程包含 5 道测试题
  • 可在APP随时观看
  • 结业证书
你将收获
  • 了解基于注意力机制的Reld模型
  • 掌握关于特征融合的经典会议算法
  • 掌握基于Attention的行人重识别项目
  • 掌握基于行人局部特征融合的再识别实战
  • 掌握基于图模型的旷视研究院最新算法

数千家企业正在使用三节课企业版学习

无限制学习2000+门课程,200+精选学习专题

免费申请体验>
课程介绍

行人重识别是现在计算机视觉领域非常火的一个模块,它的应用场景广泛,具有实际价值,可以落地的项目非常多,包括智能安防、无人超市、人机交互、相册聚类等等。为此我们邀请了主攻计算机视觉方向的唐宇迪老师,帮助学员从源码掌握项目实现中每一模块的细节,积累我们的知识库。

本节课基于香港中文大学和清华大学的真实数据集展开项目实战,选择通用的行人重识别项目做模型训练,包括基于注意力机制的Reld模型论文解读、基于Attention的行人重识别项目实战、经典会议算法精讲(特征融合)、基于行人局部特征融合的再识别实战、基于图模型的旷视研究院最新算法解读。

适合人群
  • 计算机视觉方向的技术人员
  • AI工程师、Python工程师、算法工程师
  • 对行人重识别算法感兴趣的学员
讲师介绍
同济大学硕士,华东理工大学博士
擅长领域:
  • 人工智能认知与应用
  • 自然语言处理(NLP)
  • 机器学习
著有《跟着迪哥学Python数据分析与机器学习实战》,联通,移动,中信等公司特邀企业培训导师,全国高校教师培训讲师,开展线下与直播培训百余场,具有丰富的授课经验。
课程大纲
共0节 时长0分钟 全部收起
一、行人重识别原理及其应用
共5节 | 36分钟
  • 1.行人重识别要解决的问题
    5分钟
  • 2.挑战与困难分析
    11分钟
  • 3.评估标准:rank1和map值
    6分钟
  • 4.triplet损失计算实例
    7分钟
  • 5.Hard-Negative方法应用
    7分钟
二、基于注意力机制的Reld模型论文解读
共4节 | 17分钟
  • 1.论文整体思想及注意力机制的作用解读
    7分钟
  • 2.空间权重值计算流程分析
    3分钟
  • 3.融合空间注意力所需特征
    4分钟
  • 4.基于特征图的注意力计算
    3分钟
三、基于Attention的行人重识别项目实战
共9节 | 1小时4分钟
  • 1.项目环境与数据集配置
    8分钟
  • 2.参数配置与整体架构分析
    9分钟
  • 3.进入debug模式解读网络计算流程
    6分钟
  • 4.获得空间位置点之间的关系
    8分钟
  • 5.组合关系特征图
    5分钟
  • 6.计算得到位置权重值
    7分钟
  • 7.基于特征图的权重计算
    5分钟
  • 8.损失函数计算实例解读
    8分钟
  • 9.训练与测试模块演示
    8分钟
四、经典会议算法精讲(特征融合)
共6节 | 29分钟
  • 1.论文整体框架概述
    5分钟
  • 2.局部特征与全局关系计算方法
    4分钟
  • 3.特征分组方法
    4分钟
  • 4.GCP模块特征融合方法
    7分钟
  • 5.oneVsReset方法实例
    4分钟
  • 6.损失函数应用位置
    4分钟
五、项目实战——基于行人局部特征融合的再识别实战
共12节 | 1小时5分钟
  • 1.项目配置与数据集介绍
    6分钟
  • 2.数据源构建方法分析
    6分钟
  • 3.dataloader加载顺序解读
    4分钟
  • 4.debug模式解读
    6分钟
  • 5.网络计算整体流程演示
    5分钟
  • 6.特征序列构建
    6分钟
  • 7.GCP全局特征提取
    5分钟
  • 8.局部特征提取实例
    5分钟
  • 9.特征组合汇总
    6分钟
  • 10.得到所有分组特征结果
    6分钟
  • 11.损失函数与训练过程演示
    6分钟
  • 12.测试与验证模块
    4分钟
六、旷视研究院最新算法解读(基于图模型)
共7节 | 44分钟
  • 1.关键点位置特征构建
    5分钟
  • 2.图卷积与匹配的作用
    6分钟
  • 3.关键点局部特征提取
    7分钟
  • 4.局部特征关系整合
    8分钟
  • 5.图卷积模块实现方法
    7分钟
  • 6.图匹配在行人重识别中的作用
    4分钟
  • 7.整体算法框架分析
    7分钟
七、基于拓扑图的行人重识别项目实战
共10节 | 1小时18分钟
  • 1.数据集介绍与环境配置概述
    6分钟
  • 2.局部特征准备方法
    6分钟
  • 3.得到一阶段热度图结果
    7分钟
  • 4.得到全局与局部特征
    10分钟
  • 5.初始化图卷积模型
    8分钟
  • 6.mask矩阵的作用
    6分钟
  • 7.邻接矩阵学习与更新
    8分钟
  • 8.基于拓扑结构组合关键点特征
    10分钟
  • 9.图匹配模块计算流程
    11分钟
  • 10.整体项目总结
    7分钟
课后测试
共5题
购课须知

课程有效期:

自购买课程之日起 365 天,部分参与营销活动产品以活动规则为准,请同学在有效期内学习、观看课程。

上课模式:

课程采取录播模式,请注意自学课无班级微信群、班主任带班及助教批改服务。

注:自学课不支持退款,确保你是真的需要再进行报名,报完名之后还请认真学习。