基于全局特征改进的行人重识别
由于行人重识别面临姿态变化、遮挡干扰、光照差异等挑战,因此提取判别力强的行人特征至关重要.本文提出一种在全局特征基础上进行改进的行人重识别方法,首先,设计多重感受野融合模块充分获取行人上下文信息,提升全局特征辨别力;其次,采用GeM池化获取细粒度特征;最后,构建多分支网络,融合网络不同深度的特征预测行人身份.本文方法在Market1501和DukeMTMC-ReID两大数据集上的mAP指标分别达到83.8%和74.9%.实验结果表明,本文方法有效改进了基于全局特征的模型,提升了行人重识别的识别准确率.
行人重识别、全局特征、感受野、GeM池化、特征融合、深度学习
31
TP391.41;TN929.5;P512.2
2022-05-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
298-303