基于多信息流动卷积神经网络的行人再识别

• 作者: 何大阔 刘晴 吕应宇 桑海峰 王传正
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 行人再识别 多信息流动 特征提取 卷积神经网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 351-357
• 页数: 7页
• 分类号: TP391
• 字数: 4892字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.02.014

摘要

行人再识别问题中,由于视角、光照和行人姿态等因素的变化,导致难以提取有效的行人特征,降低识别精度.而深度神经网络在训练样本较少的情况下较难训练,易出现过拟合现象.针对上述问题,本文提出一种多信息流动卷积神经网络(Multi-information Flow Convolutional Neural Network,MiF-CNN)模型,模型中包含一个特殊的卷积结构,该结构中每层卷积层提取到的特征与后续所有卷积层的输入相连接,增强了网络的特征信息流动性和梯度的反向传播效率,使得模型提取到的行人特征更具判别力.采用多损失函数组合方式训练网络模型,更好的区分行人类别.最后利用欧氏距离对行人特征相似性进行排序.在标准行人再识别数据集VIPeR和CUHK01上的实验表明,本文方法进一步提高了行人再识别精度,并有效改善了深度神经网络的过拟合现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何大阔	东北大学信息科学与工程学院	61	1000	19.0	29.0
2	桑海峰	沈阳工业大学信息科学与工程学院	29	216	9.0	14.0
3	吕应宇	沈阳工业大学信息科学与工程学院	2	1	1.0	1.0
4	王传正	沈阳工业大学信息科学与工程学院	1	1	1.0	1.0
5	刘晴	东北大学信息科学与工程学院	1	1	1.0	1.0