又一篇spotlight+reid+GAN换pose
本文用了较多的篇幅讲loss function,描述网络结构的插图令人费解
pose的提取也是用openpose这个库。
其loss分为三部分:
1, image adversarial loss,即传统gan的loss
2,pose loss ,pose差异,生成图片再用openpose提取pose信息做差值
3,identity loss,此为关键,又分为两部分,分别是content和style loss
content:用于保证生成图和原图在pretrain model生成的feature map一致
style: 利用Gram matrix生成某种feature map,然后作比对
网友评论