10.3785/j.issn.1008-973X.2022.07.017
基于能量模型的行人与车辆再识别方法
为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在真实目标类别上的损失函数响应和非目标类别上的响应之差,可以更准确地增大目标响应,抑制非目标响应,提高了分类准确率,使得同类样本特征更聚集、异类样本特征更远离.在多个行人再识别和车辆再识别数据集上的测试结果显示,相对于Soft-max和Triplet混合损失函数,利用能量模型可以提升网络训练效率,提高目标再识别准确率.
车辆再识别、能量模型、行人再识别、损失函数、三元组损失
56
TP391(计算技术、计算机技术)
国家自然科学基金;北方工业大学优秀青年人才资助项目
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
1416-1424