| 基于多粒度特征融合网络的行人重识别北大核心CSCD |
| |
| 引用本文： | 张勃兴,张寿明,钟震宇. 基于多粒度特征融合网络的行人重识别北大核心CSCD[J]. 光电子．激光, 2022, 0(9): 977-983 |
| |
| 作者姓名： | 张勃兴 张寿明 钟震宇 |
| |
| 作者单位： | 昆明理工大学 信息工程与自动化学院,云南 昆明 650504 ;广东省科学院智能制造研究所 广东省现代控制技术重点实验室,广东 广州 510095,昆明理工大学 信息工程与自动化学院,云南 昆明 650504,广东省科学院智能制造研究所 广东省现代控制技术重点实验室,广东 广州 510095 |
| |
| 基金项目： | 广东省重点领域研发计划项目(2018B010108006,2020B0 90925002)和广州市科技计划项目(202007040007)资助项目 |
| |
| 摘 要： | 针对复杂环境下行人细节特征不明显、姿态多变等情况造成的行人重识别(person-reidentification,ReID)算法精度不高的问题,提出了一种基于多粒度特征提取与特征融合的ReID网络。首先,在主干网络输入和输出端采用两种粒度的划分方式获取图像的局部特征。其次,引入空间变换网络(spatial transformation network,STN)对输入全局图像进行空间对齐,对局部图像进行特征增强。最后,采用局部特征融合的方式来挖掘特征之间的关联信息,提升模型对相似样本的识别能力。实验结果表明,所提方法在多个数据集上均取得了良好的识别效果。在Market-1501数据集上的平均查准率(mean average precision,mAP)和首次查准率(Rank-1)分别为84.87%和94.45%,通过和目前主流的ReID算法相比,本文所提方法具有更优的识别效果。
|
| 关 键 词： | 行人重识别(ReID) 姿态 局部特征 空间变换网络(STN) 特征融合 |
| 收稿时间： | 2021-12-29 |
| 修稿时间： | 2022-01-31 |
Person re-identification based on multi-granularity feature fusion network |
| |
| ZHANG Boxing,ZHANG Shouming and ZHONG Zhengyu. Person re-identification based on multi-granularity feature fusion network[J]. Journal of Optoelectronics·laser, 2022, 0(9): 977-983 |
| |
| Authors: | ZHANG Boxing ZHANG Shouming ZHONG Zhengyu |
| |
| Affiliation: | School of Information Engineering and Automation,Kunming University ofScience a nd Technology,Kunming,Yunnan 650504, China;Guangdong Key Laboratory of Modern Control Technology,Institute of Intelligent Manufacturing,Guangdong Academy of Sciences,Guangzhou,Guangdong 510095, China,School of Information Engineering and Automation,Kunming University ofScience a nd Technology,Kunming,Yunnan 650504, China and Guangdong Key Laboratory of Modern Control Technology,Institute of Intelligent Manufacturing,Guangdong Academy of Sciences,Guangzhou,Guangdong 510095, China |
| |
| Abstract: | |
| |
| Keywords: | person re-identification (ReID) posture local features spatial transformation network (STN) feature fusion |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
