大致思想是用特定的网络抽取图片中衣服特征，用物体检测和算法抽取视频中的衣服特征，然后对两种特征进行相似度计算，得到相似度分值。
首先，商品的图片经过Faster-RCNN网络，检测到衣服区域。然后，再把衣服区域经过IFN网络，得到最后的特征mrole=presentation style=position: relative;>
mm。因为输入的衣服区域是任意大小的，卷基层和池化层对输入大小没有要求，但是全连接层需要统一大小，所以在最后的池化和全连接层之间加入了一个SPP层，用来统一数据尺寸。
在视频处理过程中，通过使用Faster-RCNN检测衣服区域，使用KCF进行，得到连续的图像序列特征。
网络的输入是通过IFN得到的一个特征和VFN得到的多个隐层特征，是一对多的问题。作者通过实现树形结构，拆解子问题，每个结点训练不同的权值，最终加权得到最后的概率值。
FN用来融合不同的FN层的score值，得到最终的score。低层的FN连接到高层的FN，形成树形结构。
所要求解的就是使得似然函数最大化的参数。因为模型有隐含变量，所以可以用EM算法进行求解，参考。
本博记录为卤煮理解，如有疏漏，请。转载请注明出处。 卤煮：非文艺小燕儿 这是由西南交大和阿里巴巴共同完成的一篇CVPR2017。论文的目标就是根据视频中人物穿着的衣服准确的从购物网站中...
本博记录为卤煮理解，如有疏漏，请。转载请注明出处。卤煮：非文艺小燕儿这是上海交大在2017年10月份投放在arXiv上的一篇文章，比较精简，只有4页。这篇文章主要有两点：（1）使用了Visual ...
来自港中文联合检测和识别的端到端行人重识别论文，使用OIM损失训练网络，下面是我对OIM损失的个人理解，记录以备查阅。检测结果有3种proposals：有标记的身份，无标记的身份和背景。假设训练集有L...
作为计算机视觉领域的三大会议之一，CVPR 2017 又收录了很多优秀的文章。具体可参见 CVPR 的论文官网：