大数据环境下深度学习行人再识别技术研究与应用

• 作者: 马吉忠 谢一 马全海 武文魁 李文琪 李玥
• 来源期刊: 南方农机
• 关键词: 行人再识别 深度学习 图像 属性
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 南方论坛
• 页码范围: 29-30,33
• 页数: 3页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1672-3872.2021.08.010

摘要

行人再识别(Re-ID)是网络匹配行人图像任务.它与属性识别在学习行人描述上有共同目标,而区别是粒度.通过基于属性标签和ID标签的互补性,多数Re-ID方法仅考虑行人身份标签,而包含详细本地描述的属性有利于Re-ID模型学习更多判别式特征表示.因此提出属性的人识别(APR)网络.APR网络是通过学习Re-ID嵌入并同时预测行人属性的多任务网络.在实验中考虑属性间的依赖性和相关性后对属性预测加权,则APR检索过程快了10倍,在Market-1501上准确度下降了2.92％.