基于统一划分的特征自适应行人再识别方法

• 作者: 宋晓宁 张德磊 於东军
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 统一划分 行人再识别 深度学习 马氏距离 平均精度均值
• 年，卷（期）: 2020,（3）
• 页码范围: 266-271
• 页数: 6页
• 分类号: TP391.4
• 字数: 3720字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.03.002

摘要

为解决行人再识别(Re-ID)任务中,目标特征统一划分方法导致的部位信息关联性减少和识别率降低的问题,提出了基于密集连接卷积网络(DenseNet)的深度学习方法框架及基于统一划分方法的特征自适应Re-ID方法.在统一划分方法的基础上,为了保留部位特征的相关性,利用马氏距离公式计算相邻特征距离,自适应地选取信息相关性高的部位特征做融合,再对融合后的特征做行人分类.该文算法分别在Market1501数据集、CUHK03数据集以及DukeMTMC-ReID数据集上进行实验.平均精度均值(mAP)分别达到82.8％、70.3％、60.1％.该文方法与基于部位的卷积基准(PCB)以及部位对齐的行人再识别(AlignedReID++)相比,mAP均有提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於东军	南京理工大学计算机科学与工程学院	64	503	15.0	19.0
2	宋晓宁	江南大学物联网工程学院	21	48	3.0	6.0
3	张德磊	江南大学物联网工程学院	1	0	0.0	0.0