基于自适应度量学习的行人再识别
该文提出了基于自适应度量学习(AML)的行人再识别方法.与正常处理所有负样本的常规度量学习方法不同的是,AML将负样本自适应地分为三组,并对它们给予不同的关注.通过加强负样本的影响,AML可以更好地挖掘正样本和负样本之间的辨别信息,从而生成更有效的度量.此外,我们还提出了探针特定重新排名(PSR)算法来改进由度量学习得到的初始排名列表.对于每个探针,PSR构建相应的超图以捕获探针和其排名前100的图库图像之间的邻域关系.然后基于它们在超图中的邻域亲和力来重新排列这些图像.其中对公共数据集VIPeR数据集的实验证明了AML和PSR的良好的鲁棒性和优越性.
行人再识别、自适应度量学习、负样本、探针特定重新排名
13
TP391(计算技术、计算机技术)
华侨大学研究生科研创新能力培育计划资助项目1511422006;国家自然科学基金青年科学基金项目61505059
2017-06-07(万方平台首次上网日期,不代表论文的发表时间)
共4页
159-161,164