基于行人属性先验分布的行人再识别

• 作者: 吴彦丞 李邵梅 陈鸿昶 高超
• 来源期刊: 自动化学报
• 关键词: 行人再识别 数据先验分布 权重调整 深度学习 卷积神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 953-964
• 页数: 12页
• 字数: 9830字
• 语种: 中文
• DOI: 10.16383/j.aas.c170691

摘要

为了提高基于深度学习和属性学习的行人再识别的识别精度,提出一种联合识别行人属性和行人ID的神经网络模型.相对于已有的同类方法,该模型有三大优点:1)为了提高网络在微调后的判别能力,在网络中增加了一层保证模型迁移能力的全连接层;2)基于各属性样本的数量,在损失函数中对各属性的损失进行了归一化处理,避免数据集中属性类之间的数量不均衡对识别效果的影响;3)利用数据中各属性分布的先验知识,通过数量占比来调整各属性在损失层中的权重,避免数据集中各属性正负样本的数量不均衡对识别的影响.实验结果表明,本文提出的算法具有较高的识别率,其中在Market 1501数据集上,首位匹配率达到了86.90％,在DukeMTMC数据集上,首位匹配率达到了72.83％,在PETA数据集上,首位匹配率达到了75.68％,且对光照变化、行人姿态变化、视角变化和遮挡都具有很好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李邵梅		45	204	7.0	12.0
2	陈鸿昶		61	354	10.0	16.0
3	高超		22	27	3.0	3.0
4	吴彦丞		4	5	2.0	2.0