基于多辅助分支深度网络的行人再识别

• 作者: 夏开国 田畅
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 行人再识别 卷积神经网络 特征提取 辅助分支
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 2601-2605
• 页数: 5页
• 分类号: TP183
• 字数: 2631字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.11.014

摘要

利用广泛遍布的摄像机进行再识别,一直是近年的研究热点和难点,在智能监控、智能安防等领域应用广泛.随着深度学习在图像识别领域的重大突破,不断提出的网络结构诸如AlexNet、VGGNet、ResNet等,通过数十层甚至上百层的卷积神经网络,提取出更加鲁棒的特征进行分类,其性能已经远远超出传统手工设计特征的再识别方法.针对深度网络结构只利用多层卷积后输出的高层语义特征而忽视中间层特征的问题,提出基于多辅助分支神经网络的行人再识别算法.该模型能够充分利用中间层特征所保留的信息,弥补由于多层卷积造成的图片部分信息丢失.最后,通过公开数据集测试网络性能,证明了该算法能明显提升行人再识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏开国	陆军工程大学通信工程学院	1	0	0.0	0.0
2	田畅	陆军工程大学通信工程学院	5	0	0.0	0.0