基于深层特征融合的行人重识别方法

• 作者: 刘敏 曾春艳 杨荻椿 熊子婕 熊炜 童磊
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 行人重识别 深层特征融合 Se-resnet50 批量归一化 标签平滑损失 三元组损失
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 358-364
• 页数: 7页
• 分类号: TP183
• 字数: 4839字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.02.022

摘要

针对现有基于深度学习的行人重识别方法对于行人姿态变化、部分遮挡等引起的行人判别特征信息缺失的问题,提出了一种深层特征融合的行人重识别方法.首先,利用卷积层和池化层多次提取网络深层特征,从空间维度提升网络性能,使用融合后的深层特征作为行人图像的全局特征属性;其次,为提高模型的泛化能力,在深层融合特征后加入一个批量归一化层,同时采用标签平滑损失函数和三元组损失函数对模型进行联合训练.实验结果表明,所提的深层特征融合方法具有很好的表达能力.在Mar-ket1501、DukeMTMC-reID、CUHK03和MSMT174个数据集上对所提方法进行了验证,其中在Mar-ket1501数据集上,Rank-1值达到了95.0％,mAP达到了85.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘敏	湖北工业大学电气与电子工程学院	24	54	5.0	7.0
2	曾春艳	湖北工业大学电气与电子工程学院	17	18	3.0	3.0
3	童磊	湖北工业大学电气与电子工程学院	6	0	0.0	0.0
4	熊子婕	湖北工业大学电气与电子工程学院	1	0	0.0	0.0
5	杨荻椿	湖北工业大学电气与电子工程学院	1	0	0.0	0.0