一种用于行人再辨识的批次分块遮挡网络

• 作者: 张灿龙 常松雨 李志欣 王智文
• 来源期刊: 小型微型计算机系统
• 关键词: 行人再辨识 卷积神经网络 遮挡 特征删除
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 1441-1446
• 页数: 6页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.016

摘要

提高行人再辨识任务识别性能的重要途径之一是通过卷积神经网络将全局特征和局部特征相结合,而现有的基于部件的方法主要是通过定位具有特定语义的区域来学习局部表示,这不仅增加了学习的难度,而且对于具有较大差异的场景难以学习到稳定的特征表示.本文提出了批次分块遮挡网络(Batch Part-mask Network,BPNet),该网络由全局特征分支和特征删除分支组成,并以ResNet-50作为主干网络.全局分支负责全局特征的编码任务,由第一分支和第二分支组成的批次分块遮挡分支则负责学习局部细节特征,BPNet网络将来自两个分支的特征连接起来,以提供更全面的空间分布特征表示.所提出的模型在行人再辨识任务上展现出良好的性能,将Duke数据集上的rank-1精度提高了1％-2％,达到了88.6％.将Market-1501数据集上的mAP精度提高了2％-3％,达到了86.3％.