|
|||||
|
|
| 基于深度学习的行人重识别综述 | |
| 引用本文： | 杨锋,许玉,尹梦晓,符嘉成,黄冰,梁芳烜.基于深度学习的行人重识别综述[J].计算机应用,2020,40(5):1243-1252. |
| 作者姓名： | 杨锋 许玉 尹梦晓 符嘉成 黄冰 梁芳烜 |
| 作者单位： | 1.广西大学 计算机与电子信息学院，南宁 530004 2.广西多媒体通信与网络技术重点实验室(广西大学)，南宁 530004 |
| 基金项目： | 国家自然科学基金资助项目(61861004, 61762007)； 广西自然科学基金资助项目(2017GXNSFAA198267,2017GXNSFAA198269)。 |
| 摘 要： | 行人重识别(Re-ID)是计算机视觉领域的热点问题,主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年,针对行人遮挡和姿势不对齐等传统方法所遗留问题,业内提出了基于区域、注意力机制、姿势和生成对抗性网络(GAN)等深度学习的行人Re-ID方法,实验结果得到较明显的提高。故对深度学习在行人Re-ID中的研究进行了总结和分类,区别于以前的综述,将行人重识别方法分成四大类来讨论。首先,通过区域、注意力、姿势和GAN四类方法来综述基于深度学习的行人Re-ID方法;然后,分析这些方法在主流数据集上的mAP和Rank-1指标性能表现,结果显示基于深度学习的方法可以增强局部特征之间的联系并缩小域间隙,从而减少模型过拟合;最后,展望了行人Re-ID方法研究的发展方向。 |
| 关 键 词： | 行人重识别 深度学习 生成对抗性网络 区域 注意力 姿势 |
| 收稿时间： | 2019-10-10 |
| 修稿时间： | 2019-12-16 |
Review on deep learning-based pedestrian re-identification |
|
| YANG Feng,XU Yu,YIN Mengxiao,FU Jiacheng,HUANG Bing,LIANG Fangxuan.Review on deep learning-based pedestrian re-identification[J].journal of Computer Applications,2020,40(5):1243-1252. | |
| Authors: | YANG Feng XU Yu YIN Mengxiao FU Jiacheng HUANG Bing LIANG Fangxuan |
| Affiliation: | 1.School of Computer, Electronics and Information, Guangxi University, NanningGuangxi 530004, China 2.Guangxi Key Laboratory of Multimedia Communications Network Technology (Guangxi University), NanningGuangxi 530004, China |
| Abstract: | |
| Keywords: | Re-IDentification (Re-ID) deep learning Generative Adversarial Network (GAN) region attention pose |
| 本文献已被 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机应用》浏览原始摘要信息 | |
| 点击此处可从《计算机应用》下载全文 | |