基于样本正态性重采样的改进KISSME行人再识别算法

• 作者: 刘国峰 宋丽丽 李彬 赵俊雅
• 来源期刊: 计算机应用研究
• 关键词: 行人再识别 度量学习算法 半监督学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2227-2231
• 页数: 5页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0098

摘要

跨场景行人再识别方法的关键在于特征识别和度量模型的建立,而这两方面的问题都受到图像样本分布的局限,进而使得模型参数的估计出现过拟合现象.针对以上跨场景的行人再识别问题,提出了一种基于半监督的改进KISSME算法.该算法在KISSME学习算法的基础上,根据样本数据的正态分布特性进行重采样,并通过构建循环优化的学习方式弱化模型的拟合强度,增强度量模型的泛化能力,以此建立泛化后的度量模型.再通过联合KISSME度量,构建改进的半监督度量模型.最后,利用行人再识别通用公开数据集VIPeR对改进算法的有效性进行验证,并与SLDDL、RDC、ITML、PCCA、QARR-RSVM和KISSME等算法精度相比较,实验结果表明基于半监督的改进KISSME算法在不同排名下都有明显的优势,尤其在rank-1识别精度上,相较于现有的KISSME算法提升了3.14％,充分验证了该算法的有效性.

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
2	赵俊雅	武汉理工大学理学院	3	0	0.0	0.0
3	李彬	武汉轻工大学机械工程学院	2	0	0.0	0.0
4	刘国峰	武汉理工大学理学院	3	3	1.0	1.0