基于HPLF的行人再识别

• 作者: 杨戈 叶杰强
• 来源期刊: 计算机系统应用
• 关键词: 深度学习 计算机视觉 行人再识别 卷积神经网络 生成对抗网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 软件技术·算法|Software Technique·Algorithm
• 页码范围: 227-233
• 页数: 7页
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007841

摘要

为了更好的挖掘局部特征,提升行人再识别的精度,本文提出了一种利用水平池化提取局部特征的HPLF(Horizontal Pooling for Local Feature)算法,在ResNet-50网络中对输入的联合数据集进行预处理,提取特征,对ResNet-50网络生成的特征图进行水平切割,通过分割的特征图计算两两特征之间的距离,再用难样本三元组损失(Triplet loss with Hard example mining,TriHard loss)来作为局部特征损失函数训练,通过特征图计算全局距离,通过难样本三元组损失来训练,将这两个损失函数加上一个Softmax交叉熵损失函数,联合起来作为总的损失函数进行参数修正.实验结果表明:在Market1501数据集中,mAP(mean Average Precision),Rank-1,Rank-5,Rank-10等性能指标上,HPLF算法比其他算法有3％左右的提升.