基于语义融合的域内相似性分组行人重识别

摘要：

无监督跨域行人重识别旨在使有标签源域数据集上训练的模型适应目标域数据集.然而,基于聚类的无监督跨域行人重识别算法在网络特征学习过程中常因输入行人图片情况各异而产生噪声,从而影响聚类效果.针对这一问题,提出一种基于语义融合的域内相似性分组行人重识别网络,首先在Baseline网络的基础上添加语义融合层,依次从空间和通道2个方面对中间特征图进行相似特征的语义融合,从而提升网络的自适应感知能力.此外,通过充分利用域内相似性细粒度信息,进而提高网络对全局和局部特征的聚类精准度.通过在DukeMTMC-ReID、Market1501和MSMT17这3个公开数据集上进行实验,结果表明,所提算法的均值平均精度(mAP)和Rank识别准确率与近年无监督跨域行人重识别算法相比有显著提升.

关键词：无监督跨域、行人重识别、语义融合、自适应感知、细粒度信息

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目No.2020QN49

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：153-162