计算机科学与探索

作者：陈璠, 彭力

单位：物联网技术应用教育部工程研究中心（江南大学 物联网工程学院），江苏 无锡 214122

关键词：条纹特征关联,异构分支,特征融合,行人重识别,深度学习

基金：国家重点研发计划(2018YFD0400902);国家自然科学基金(61873112);教育部-中国移动科研基金(MCM20170204);江苏省物联网应用技术重点实验室项目(190449);江苏省物联网应用技术重点实验室项目(190450)

针对行人重识别（Person Re-ID）过程中，多分支结构的网络模型在提取行人特征时缺乏异构特征的问题，提出一种异构分支关联特征融合的行人重识别算法。训练阶段，将OSNet与注意力机制相结合作为主干共享网络，以学习到具有更强显著性和区分性的行人关键特征；将分支网络输出的行人特征进行水平均等分割，再提取关联条纹特征，从而全面利用位于条纹间的综合信息；设计异构特征提取模块，以增加模型学习差异特征所需的结构多样性。推理阶段，将多个特征向量融合成一个新的特征向量，再进行相似性判断。将该方法在Market-1501、DukeMTMC-reID数据集上进行有效性实验验证并对结果进行分析，所提算法能够提高行人重识别的准确率，模型所提取的特征具有较强的鲁棒性和判别力。

来源：2022年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第11期