基于行人属性异质性的行人再识别神经网络模型

摘要：

为提高基于行人属性学习的行人再识别算法识别精度,提出一种改进的行人再识别神经网络模型.该模型基于属性之间的异质性,在神经网络中设计不同的识别方法对各类属性进行识别,以提高行人属性识别的准确率.针对不同属性识别方法损失度量算法的不一致,给出异质属性损失度量函数,使得不同识别方法能在同一个网络模型中进行训练和学习,实现网络参数的最优化.实验结果表明,该模型在Market1501数据集、DukeMTMC数据集和DukeMTMC数据集上的首位准确率分别达到88.13％、74.96％和77.64％.

关键词：行人再识别、异质性、深度学习、属性分类、回归预测、多分类

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61601513

在线出版日期：2018-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：196-203