摘要:
针对行人重识别研究中训练样本的不足,为提高识别精度及泛化能力,提出一种基于卷积神经网络的改进行人重识别方法。首先对训练数据集进行扩充,使用生成对抗网络无监督学习方法生成无标签图像;然后与原数据集联合作半监督卷积神经网络训练,通过构建一个Siamese网络,结合分类模型和验证模型的特点进行训练;最后加入无标签图像类别分布方法,计算交叉熵损失来进行相似度量。实验结果表明,在Market-1501、CUHK03和DukeMTMCreID数据集上,该方法相比原有的Siamese方法在Rank-1和mAP等性能指标上有近3~5个百分点的提升。当样本较少时,该方法具有一定应用价值。
熊炜1,2,冯川1,熊子婕1,王娟1,2,刘敏1,2,曾春艳1,2. 基于CNN的改进行人重识别技术[J]. 计算机工程与科学.
XIONG Wei1,2,FENG Chuan1,XIONG Zijie1,WANG Juan1,2,LIU Min1,2,ZENG Chunyan1,2. Improved pedestrian re-identification based on CNN[J]. Computer Engineering & Science.