摘要
针对目前行人重识别出现网络模型复杂化、识别率低的问题,提出一种基于全局特征拼接的行人重识别算法.首先利用卷积神经网络(CNN)提取全局特征;然后把不同卷积层提取的特征进行拼接,使特征信息互补;最后将拼接后的特征再次进行卷积处理,获得高表征能力的特征.网络训练时,采用聚类损失函数和标签平滑损失函数联合训练,同时引入了随机擦除和减小池化步长的训练技巧.在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了实验验证,实验表明所提算法具有良好性能,其中在Market1501上,Rank-1、mAP分别达到了95.9％和94.6％.
基金项目
国家留学基金资助项目(201808420418)
国家自然科学基金资助项目(61571182)
国家自然科学基金资助项目(61601177)
湖北省自然科学基金资助项目(2019CFB530)
国家科技期刊平台
NSTL
维普
万方数据