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：重叠条纹特征,特征融合,联合学习,行人重识别（Person-ReID）,深度学习

针对行人重识别（Person-ReID）过程中，基于局部特征的方法在提取行人特征时因信息缺失导致鲁棒性和判别力不足的问题，提出一种多层级重叠条纹特征融合的行人重识别算法。训练阶段，对骨架网络不同阶段的输出特征图进行水平均等分割，再提取重叠条纹特征以弥补丢失的信息；使用三种损失函数对不同的特征向量进行监督训练，以约束类内距离。此外，设计组归一化模块来消除不同损失函数在优化方向上存在的差异，从而提取到更恰当的共享特征。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：2021年第9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2021年第9期