基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现有行人再识别模型的训练集,来源于有限的固定采集设备,样本样式风格缺乏多样性.通过循环生成对抗网络,使不同摄像机捕捉到的图像数据进行样式风格迁移,可以通过较低成本来提升样本风格的多样性.为了提高模型的泛化能力,设计了一种新的正负样本融合训练方法.首先,把样式风格迁移后的样本作为负样本,样式风格迁移前的样本作为正样本,将正负样本同时送入模型训练;进一步,为了防止过拟合,也为了考虑错误标签位置的损失,采用了标签平滑正则化;同时,为了更多地关注困难、易错分的样本,实现对负样本的损失优化,采用了焦点损失函数.实验结果表明,所提方法在Market-1501数据集和DukeMTMC-reID数据集上的识别准确率分别提升了1.51%和2.07%.
推荐文章
基于图像风格迁移的人脸识别域适应方法
人脸识别
图像风格
生成对抗网络
域适应
图像风格迁移
OFDM信号中保护间隔样式的识别方法
OFDM
保护间隔
自相关
填充样式
基于重叠条纹特征融合的行人再识别
行人再识别
HSV颜色直方图
Gabor纹理特征直方图
重叠条纹
特征融合
交叉视角逻辑度量学习
基于提升方法的多度量行人再识别
行人再识别
特征表达
度量学习
提升方法
距离融合
公共数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 图像样式风格迁移的行人再识别方法
来源期刊 北京邮电大学学报 学科
关键词 循环生成对抗网络 行人再识别 标签平滑正则化 焦点损失
年,卷(期) 2021,(3) 所属期刊栏目 论文|PAPERS
研究方向 页码范围 67-72
页数 6页 分类号 TP391.41
字数 语种 中文
DOI 10.13190/j.jbupt.2020-147
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
循环生成对抗网络
行人再识别
标签平滑正则化
焦点损失
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京邮电大学学报
双月刊
1007-5321
11-3570/TN
大16开
北京海淀区西土城路10号
2-648
1960
chi
出版文献量(篇)
3472
总下载数(次)
19
论文1v1指导