多粒度特征融合的行人再识别研究

• 作者: 张良 杨琦 车进
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 全局特征 局部特征 人体结构特征 特征融合 深度学习 卷积神经网络 行人再识别
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 图像处理
• 页码范围: 555-563
• 页数: 9页
• 分类号: TP391.4
• 字数: 4164字
• 语种: 中文
• DOI: 10.3788/YJYXS20203506.0555

摘要

结合全局特征和局部特征是提高行人再识别精度的一种途径.现有的算法通常从人体特定的语义区域提取特征,由于没有将人体结构考虑在内,增加了学习难度,在差异较大的场景下效率和鲁棒性较差.为了较好地解决上述问题,本文提出一种融合了全局特征、局部特征以及人体结构特征的多粒度特征融合的行人再识别算法.本算法不引入任何人体结构先验知识,在特征提取方面,采用均值池化和最大池化对特征图加权得到强辨识性的全局特征.对特征图切片得到局部特征,在原有局部特征的基础上,引入局部相对特征作为人体结构特征.在度量方面,采用三元组损失与ID损失在不同尺度下的多级监督机制.在Market1501、DukeMTMC-reID的实验表明,算法的Rank-1指标相比于部分卷积基线(PCB)方法提升了1.3％、3.9％,平均精度均值(mAP)提升了5.1％、9.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	车进	宁夏大学物理与电子电气工程学院	47	164	8.0	10.0
5	张良	宁夏大学物理与电子电气工程学院	2	0	0.0	0.0
9	杨琦	宁夏大学物理与电子电气工程学院	1	0	0.0	0.0