| 基于深度学习与属性学习相结合的行人再识别 |
| |
| 引用本文： | 许方洁,成科扬,张建明. 基于深度学习与属性学习相结合的行人再识别[J]. 数据采集与处理, 2018, 33(4): 751-757 |
| |
| 作者姓名： | 许方洁 成科扬 张建明 |
| |
| 作者单位： | 江苏大学计算机科学与通信工程学院, 镇江, 212013 |
| |
| 基金项目： | 江苏省普通高校研究生科研创新计划（KYLX15_1080）资助项目;国家自然科学基金（61602215）资助项目;江苏省自然科学基金（BK20150527）资助项目;镇江市科技计划（SH2014017）资助项目;江苏大学高级人才科研启动基金（15JDG180）资助项目。 |
| |
| 摘 要： | 现实情况中缺少大量有标签数据,导致有监督的行人再识别模型训练受到影响。此外,低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用。本文提出了一种基于深度学习与属性学习相结合的行人再识别方法,利用深度学习的无监督模型提取行人图像的本质特征,并引入"属性"概念增强特征的语义表达能力。首先采用卷积自动编码器进行无监督的特征提取,提取的特征然后交由多个属性分类器进行属性分类,并结合统计获得的属性类别映射关系表计算最终类别判定,最后在VIPeR和i-LIDS标准数据集上进行了测试,并与基于优化属性的行人再识别方法（Optimized attribute based re-identification,OAR）、显著性检测对应法（Salience detection correspondence,SDC）等进行了比较,结果表明本方法能够赋予行人再识别较好的语义性能,并在一定程度上提高了识别的准确率,同时获得了较好的零训练样本识别效果。
|
| 关 键 词： | 行人再识别 深度学习 卷积自动编码器 属性学习 |
| 收稿时间： | 2016-09-18 |
| 修稿时间： | 2016-10-28 |
Pedestrian Re-identification Based on Deep Learning and Attributes Learning |
| |
| Xu Fangjie,Cheng Keyang,Zhang Jianming. Pedestrian Re-identification Based on Deep Learning and Attributes Learning[J]. Journal of Data Acquisition & Processing, 2018, 33(4): 751-757 |
| |
| Authors: | Xu Fangjie Cheng Keyang Zhang Jianming |
| |
| Affiliation: | School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, 212013, China |
| |
| Abstract: | |
| |
| Keywords: | pedestrian re-identification deep learning convolutional auto-encoder (CAE) attribute learning |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
