基于迁移学习的行人再识别

• 作者: 丁卫平 杨铖 潘雨 胡彬 邵叶秦
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 行人再识别 深度卷积神经网络 迁移学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 图像与视频处理
• 页码范围: 886-891
• 页数: 6页
• 分类号: TP391
• 字数: 3962字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2018050886

摘要

行人再识别指的是在无重叠的多摄像机监控视频中,匹配不同摄像机中的行人目标.提出了一种基于迁移学习的行人再识别方法.在训练阶段,针对现有的基于深度卷积神经网络的图像识别模型进行参数微调,将网络模型迁移学习至行人再识别模型.测试阶段,利用学习好的网络模型提取行人图像的特征,再采用余弦距离来描述行人对之间的相似度.在CUHK03、Market-1501和DukeMTMC-reID 3个数据集上进行了深入的实验分析,实验结果表明该方法取得了较高的累积匹配得分,特别是第1匹配率远远超过了非深度学习的方法,与其他基于深度学习的行人再识别方法相比,准确率也有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵叶秦	南通大学交通学院	34	70	5.0	7.0
2	丁卫平	南通大学计算机科学与技术学院	61	406	10.0	17.0
3	胡彬	南通大学计算机科学与技术学院	12	33	3.0	4.0
7	杨铖	南通大学计算机科学与技术学院	2	3	1.0	1.0
8	潘雨	南通大学计算机科学与技术学院	2	4	1.0	2.0