一种基于等距度量学习策略的行人重识别改进算法
为了提高行人重识别距离度量MLAPG算法的鲁棒性,该文提出基于等距度量学习策略的行人重识别Equid-MLAPG算法.MLAPG算法中正负样本对在映射空间的分布不均衡导致间距超参数受负样本对距离影响更大,因此该文设计的Equid-MLAPG算法要求正样本对映射成为变换空间中的一个点,即正样本对在变换空间中距离为零,使算法收敛时正负样本对距离分布不存在交叉部分.实验表明Equid-MLAPG算法能在常用的行人重识别数据集上取得良好的实验效果,具有更好的识别率和广泛的适用性.
行人重识别、等距度量、MLAPG算法
41
TP391.41(计算技术、计算机技术)
国家自然科学基金U1401252, 61871188;国家重点研发计划2018YFC0309400;中央高校基本科研业务费专项资金2017MS062;广州市产学研协同创新重大专项201604016133
2019-04-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
477-483