基于深度学习与属性学习相结合的行人再识别

• 作者: 张建明 成科扬 许方洁
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 行人再识别 深度学习 卷积自动编码器 属性学习
• 年，卷（期）: 2018,（4）
• 页码范围: 751-757
• 页数: 7页
• 分类号: TP391.41
• 字数: 4597字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.04.019

摘要

现实情况中缺少大量有标签数据,导致有监督的行人再识别模型训练受到影响.此外,低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用.本文提出了一种基于深度学习与属性学习相结合的行人再识别方法,利用深度学习的无监督模型提取行人图像的本质特征,并引入"属性"概念增强特征的语义表达能力.首先采用卷积自动编码器进行无监督的特征提取,提取的特征然后交由多个属性分类器进行属性分类,并结合统计获得的属性类别映射关系表计算最终类别判定,最后在VIPeR和i-LIDS标准数据集上进行了测试,并与基于优化属性的行人再识别方法(Optimized at-tribute based re-identification ,OAR)、显著性检测对应法(Salience detection correspondence ,SDC)等进行了比较,结果表明本方法能够赋予行人再识别较好的语义性能,并在一定程度上提高了识别的准确率,同时获得了较好的零训练样本识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	江苏大学计算机科学与通信工程学院	72	710	13.0	23.0
2	成科扬	江苏大学计算机科学与通信工程学院	32	282	7.0	16.0
3	许方洁	江苏大学计算机科学与通信工程学院	1	4	1.0	1.0