基于局部语义特征不变性的跨域行人重识别

摘要：

行人重识别是刑侦案件中重要的侦查手段,而跨域是行人重识别的主要挑战之一,也是制约其实际应用的瓶颈问题.在带标签的源域和无标签的目标域学习跨域行人局部语义不变性特征模型.首先,在源域上通过只含有行人标识无部件标签的监督学习方式学习行人的各部件特征,并在源域和目标域上采用无监督学习方式对齐行人部件.然后,基于对齐后的行人全局与局部特征,引入特征模板池存储对齐后的目标域全局和局部特征,并设计了跨域不变性损失函数进行特征不变性约束,提高行人重识别的跨域适应能力.最后,在Market-1501、DukeMTMC-reID和MSMT17数据集之间开展了跨域行人重识别验证实验,实验结果表明,所提方法在跨域行人重识别上取得了显著的性能提升.

关键词：行人重识别、全局特征、局部特征、语义对齐、特征模板池、跨域不变性

所属期刊栏目：46

分类号：TP37;TP277(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省自然科学基金

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1682-1690