基于特征学习的双路径红外-可见光行人重识别算法 |
| |
引用本文: | 朱松豪,吕址函,宋杰.基于特征学习的双路径红外-可见光行人重识别算法[J].山东科技大学学报(自然科学版),2022(5):82-90. |
| |
作者姓名: | 朱松豪 吕址函 宋杰 |
| |
作者单位: | 南京邮电大学自动化学院人工智能学院 |
| |
基金项目: | 国家自然科学基金青年科学基金项目(62001247); |
| |
摘 要: | 由于拍摄视角、行人姿态的变化以及不同的相机光谱造成的额外跨模态差异,RGB图像和红外图像之间存在着明显的差异,提取有效的模态共享特征是红外-可见光行人重识别中的难点。本研究提出一种双路径学习算法来识别特征,利用改进的BNNeck模块来提取RGB和红外图像的特征信息,改善算法的识别性能。该算法首先将注意力机制引入双路径特征学习网络,获取RGB图像在空间维度和通道维度上的特征信息,实现红外特征信息匹配;然后,将BNNeck模块引入至跨模态行人重识别算法,减少模态特征信息差异,加快算法收敛速度;最后,在异质中心损失函数和交叉熵损失函数的基础上,引入跨模态下行人身份损失函数,提高行人识别的准确性。SYSU-MM01和RegDB数据集的实验结果表明,相对于目前大多数已有算法,所提算法具有更好的泛化能力和鲁棒性,Rank-1/mAP分别达到59.39%/85.44%和57.81%/73.19%,比最新算法分别提高2.43%/2.86%和2.44%/1.19%。
|
关 键 词: | 行人重识别 跨模态 注意力机制 双路径网络 模态共享 |
|
|