图像样式风格迁移的行人再识别方法

摘要：

现有行人再识别模型的训练集,来源于有限的固定采集设备,样本样式风格缺乏多样性.通过循环生成对抗网络,使不同摄像机捕捉到的图像数据进行样式风格迁移,可以通过较低成本来提升样本风格的多样性.为了提高模型的泛化能力,设计了一种新的正负样本融合训练方法.首先,把样式风格迁移后的样本作为负样本,样式风格迁移前的样本作为正样本,将正负样本同时送入模型训练;进一步,为了防止过拟合,也为了考虑错误标签位置的损失,采用了标签平滑正则化;同时,为了更多地关注困难、易错分的样本,实现对负样本的损失优化,采用了焦点损失函数.实验结果表明,所提方法在Market-1501数据集和DukeMTMC-reID数据集上的识别准确率分别提升了1.51％和2.07％.

关键词：循环生成对抗网络、行人再识别、标签平滑正则化、焦点损失

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：新疆维吾尔自治区重点研发计划项目;桂林市科技计划项目

在线出版日期：2021-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：67-72