时域模型对视频行人重识别性能影响的研究

• 作者: 侯建华 林染染 项俊 黄子源
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 视频行人重识别 深度神经网络 特征提取 时域模型
• 年，卷（期）: 2020,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 152-157
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1908-0100

摘要

行人重识别是计算机视觉领域一个重要的研究方向.近年来,随着视频监控需求的日益增长,基于视频序列的行人重识别研究受到了广泛的关注.典型的视频序列行人重识别系统由三部分构成:图片特征提取器(例如卷积神经网络)、提取时域信息的时域模型、损失函数.在固定特征提取器和损失函数的前提下,研究不同时域模型对视频行人重识别算法性能的影响,包括时域池化、时域注意力、循环神经网络.在Mars数据集上的实验结果表明:与基于图像的行人重识别基准算法相比,采用时域池化模型、时间注意力模型可以有效改善识别精度,但采用循环神经网络后识别效果比基准算法有所下降.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯建华		58	428	14.0	18.0
2	项俊		8	42	2.0	6.0
3	林染染		2	0	0.0	0.0
4	黄子源		1	0	0.0	0.0