迁移度量学习行人再识别算法

• 作者: 宋丽丽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行人再识别 度量学习 迁移学习
• 年，卷（期）: 2019,（20）
• 所属期刊栏目: 图形图像处理
• 页码范围: 170-176,201
• 页数: 8页
• 分类号: TP391.41
• 字数: 7832字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0145

摘要

行人再识别技术是计算机视觉领域中一个具有挑战性的任务.该任务针对个体的外观变化模式展开研究,特征变化剧烈,存在小样本问题,而通过提出的一种基于迁移学习的度量学习模型,可约束不同数据集样本分布的差异,实现度量模型在不同数据集上的迁移.该算法不仅增强了度量模型训练样本的多样性,提高了分辨能力,同时提升了样本的适应性.最后,通过在iLIDS数据集进行度量模型的预训练,并在VIPeR和CUHK01两个数据集上进行的迁移学习,验证了算法的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋丽丽	成都理工大学工程技术学院	9	5	2.0	2.0