基于改进Center Loss函数的行人再辨识

摘要：

通过改进距离度量函数,在开集测试协议的基础上,对行人再辨识相关问题进行研究,使测量的行人特征满足以下两点:类间最小距离较大和类内最大距离较小.目前还没有存在的算法能够满足这个条件.文中采用Center Loss函数和分类损失函数相结合,使网络在分类损失与Center Loss函数的联合监督下,可以学习出更具判别性的行人特征.其中,行人特征分辨性问题分类损失函数能很好地解决,但常规的Center Loss函数只能使类内最大距离较小,但未能解决类间最小距离较大的问题.因此对Center Loss函数进行改进,在Center Loss函数中加入类间距离变量,使类间中心最小距离较大.最后通过几组再辨识数据集的实验证明了提出的网络与改进Center Loss函数的优越性.

关键词：行人再辨识、深度学习、CenterLoss、分类损失函数

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省自然基金2018CFB136

在线出版日期：2019-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50