基于改进Center Loss函数的行人再辨识

• 作者: 刘阿建 张璐
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 行人再辨识 深度学习 CenterLoss 分类损失函数
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 45-50
• 页数: 6页
• 分类号: TP391
• 字数: 4240字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.09.009

摘要

通过改进距离度量函数,在开集测试协议的基础上,对行人再辨识相关问题进行研究,使测量的行人特征满足以下两点:类间最小距离较大和类内最大距离较小.目前还没有存在的算法能够满足这个条件.文中采用Center Loss函数和分类损失函数相结合,使网络在分类损失与Center Loss函数的联合监督下,可以学习出更具判别性的行人特征.其中,行人特征分辨性问题分类损失函数能很好地解决,但常规的Center Loss函数只能使类内最大距离较小,但未能解决类间最小距离较大的问题.因此对Center Loss函数进行改进,在Center Loss函数中加入类间距离变量,使类间中心最小距离较大.最后通过几组再辨识数据集的实验证明了提出的网络与改进Center Loss函数的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张璐		82	362	10.0	17.0
2	刘阿建	太原理工大学信息与计算机学院	4	4	1.0	1.0