结合前景分割的多特征融合行人重识别
目的 行人重识别任务中,同一行人在不同图像中的背景差异会导致识别准确率下降,出现误识别的现象.针对此问题,提出了一种结合前景分割的多特征融合行人重识别方法.方法 首先构建前景分割模块,提取图像的前景,并通过前景分割损失,保持前景图像的平滑性和完整性;然后提出了注意力共享策略和多尺度非局部运算方法,将图像中的全局特征与局部特征、高维特征与低维特征结合,实现不同特征之间的优势互补;最后通过多损失函数对网络模型进行训练优化.结果 在3个公开数据集Market-1501、DukeMTMC-reID(Duke multi-tracking multi-camera re-identification)和MSMT17(multi-scene multi-time person ReID dataset)上进行了消融实验和对比实验,并以首位命中率(rank-1 accuracy,Rank-1)和平均精度均值(mean average precision,mAP)作为评价指标.实验结果显示,在引入前景分割和多特征融合方法时,网络的识别准确率均有一定提升.本文方法在Market-1501、DukeMTMC-reID和MSMT17 数据集上Rank-1 和mAP分别为 96.8％和 91.5％、91.5％和 82.3％以及 83.9％和63.8％,相比于对比算法,本文方法具有较大优势.结论 本文提出的结合前景分割的多特征融合方法,在提取前景的同时,综合了不同尺度和不同粒度图像特征,相较于已有模型,提高了识别准确率.同时,前景分割模块消除了无用背景,缓解了背景差异导致的误识别现象,使行人重识别模型的实用性得到加强,在面对实际背景情况时,也能有较好的识别效果.
前景分割、语义分割、行人重识别(ReID)、特征融合、注意力机制
28
TP391.41(计算技术、计算机技术)
国家重点研发计划;中国民航大学研究生科研创新资助项目
2023-05-19（万方平台首次上网日期，不代表论文的发表时间）
共12页
1360-1371
