| 基于统一划分的特征自适应行人再识别方法 |
| |
| 引用本文： | 张德磊,宋晓宁,於东军.基于统一划分的特征自适应行人再识别方法[J].南京理工大学学报(自然科学版),2020,44(3). |
| |
| 作者姓名： | 张德磊 宋晓宁 於东军 |
| |
| 作者单位： | 江南大学 物联网工程学院,江苏 无锡214122;南京理工大学 计算机科学与工程学院,江苏 南京210094 |
| |
| 基金项目： | 国家重点研发计划;国家自然科学基金;中国博士后科学基金;江苏省自然科学基金;江苏省"六大人才高峰"高层次人才项目 |
| |
| 摘 要： | 为解决行人再识别(Re-ID)任务中,目标特征统一划分方法导致的部位信息关联性减少和识别率降低的问题,提出了基于密集连接卷积网络(DenseNet)的深度学习方法框架及基于统一划分方法的特征自适应Re-ID方法。在统一划分方法的基础上,为了保留部位特征的相关性,利用马氏距离公式计算相邻特征距离,自适应地选取信息相关性高的部位特征做融合,再对融合后的特征做行人分类。该文算法分别在Market1501数据集、CUHK03数据集以及DukeMTMC-ReID数据集上进行实验。平均精度均值(mAP)分别达到82.8%、70.3%、60.1%。该文方法与基于部位的卷积基准(PCB)以及部位对齐的行人再识别(AlignedReID++)相比,mAP均有提高。
|
| 关 键 词： | 统一划分 行人再识别 深度学习 马氏距离 平均精度均值 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
