多层级重叠条纹特征融合的行人重识别

摘要：

针对行人重识别(Person-ReID)过程中,基于局部特征的方法在提取行人特征时因信息缺失导致鲁棒性和判别力不足的问题,提出一种多层级重叠条纹特征融合的行人重识别算法.训练阶段,对骨架网络不同阶段的输出特征图进行水平均等分割,再提取重叠条纹特征以弥补丢失的信息;使用三种损失函数对不同的特征向量进行监督训练,以约束类内距离.此外,设计组归一化模块来消除不同损失函数在优化方向上存在的差异,从而提取到更恰当的共享特征.推理阶段,将多个特征向量融合成一个新的特征向量,再进行相似性判断.将该方法在Market-1501、DukeMTMC-reID数据集上进行有效性实验验证并对结果进行分析.所提算法能够提高行人重识别的准确率,模型所提取的特征具有较强的鲁棒性和判别力.

关键词：重叠条纹特征;特征融合;联合学习;行人重识别(Person-ReID);深度学习

所属期刊栏目：15

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;教育部-中国移动科研基金;江苏省物联网应用技术重点实验室项目

在线出版日期：2021-09-16（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：1753-1761