首页 > TAG信息列表 > ECCV2020
【ECCV2020】Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation
论文：https://arxiv.org/abs/2003.08866 代码：https://github.com/zdaxie/SpatiallyAdaptiveInference-Detection 这个论文的关键词是动态网络。如下图所示，动态网络目标是可以对 简单 和 困难 的样本分别 采用不同的网络进行推理。对于简单样本采用小网络，对于困难样本采用大网络，【ECCV2020】Spatially Adaptive Inference with Stochastic Feature Sampling and Interpolation
论文：https://arxiv.org/abs/2003.08866 代码：https://github.com/zdaxie/SpatiallyAdaptiveInference-Detection 这个论文的关键词是动态网络。如下图所示，动态网络目标是可以对 简单 和 困难 的样本分别 采用不同的网络进行推理。对于简单样本采用小网络，对于困难样本采用大Siamese目标跟踪：PG-Net(ECCV2020)
论文 PG-Net: Pixel to Global Matching Network for Visual Tracking 参考文章 [Note24] PG-Net 超越互相关的Pixel to Global Matching 1.Motivation 跟踪任务中给定的模板通常较大，无法提取稳健的目标特征。直观看上去将这个模板特征区域映射回原图刚好对应目标大小（图3(a论文阅读笔记（七十三）【ECCV2020】：Faster Person Re-Identification
Introduction 当前ReID方法在检索时速度受到gallery规模和特征编码长度影响：相比之下，计数排序的时间复杂度比快速排序更小；汉明距离的时间复杂度比欧氏距离更小。现有一些快速ReID的方法采用了哈希的思想，采用二进制特征编码，而不是实数编码。而汉明距离对应计算的为二进制特征编码。