摘要:
针对现有基于深度学习的行人重识别方法对于行人姿态变化、部分遮挡等引起的行人判别特征信息缺失的问题,提出了一种深层特征融合的行人重识别方法。首先,利用卷积层和池化层多次提取网络深层特征,从空间维度提升网络性能,使用融合后的深层特征作为行人图像的全局特征属性;其次,为提高模型的泛化能力,在深层融合特征后加入一个批量归一化层,同时采用标签平滑损失函数和三元组损失函数对模型进行联合训练。实验结果表明,所提的深层特征融合方法具有很好的表达能力。在Market1501、DukeMTMC-reID、CUHK03和MSMT17 4个数据集上对所提方法进行了验证,其中在Market1501数据集上,Rank-1值达到了95.0%,mAP达到了85.6%。
熊炜, 熊子婕, 杨荻椿, 童磊, 刘敏, 曾春艳. 基于深层特征融合的行人重识别方法[J]. 计算机工程与科学.
XIONG Wei, XIONG Zi-jie, YANG Di-chun, TONG Lei, LIU Min, ZENG Chun-yan. Pedestrian re-identification based on deep feature fusion[J]. Computer Engineering & Science.