行人再识别中的多尺度特征融合网络
针对行人再识别中待识别对象和目标对象的体态、衣服的颜色等外貌特征非常相似时,模型难以正确识别行人身份这一难点问题,提出了一个基于残差网络ResNet50改进的多尺度特征融合网络.通过利用最后一层特征协同多个中间层特征,采用顶层到下层递进式加和的特征层融合机制来提取行人图像特征,确保模型在总体特征表述基础上,提高对微小细节信息的表征能力.在3个主流的行人再识别公共数据集Market-1501、CUHK03(D)和DukeMTMC-reID上进行了实验,与2018年同类型的行人再识别网络DaRe相比,提出的方法比Market-1501数据集的Rank-1指标提升了2.82％,mAP指标提升了4.32％;比DukeMTMC-reID数据集的Rank-1指标提升了5.45％,mAP指标提升了6.4％.实验结果证明了所提出方法的有效性.
行人再识别、多尺度特征融合、卷积神经网络、局部特征、特征可视化、细节信息
46
U461;TP308(汽车工程)
北京市自然科学基金资助项目;北京市科技计划资助项目;北京工业大学国际合作种子基金资助项目
2020-08-20（万方平台首次上网日期，不代表论文的发表时间）
共7页
788-794
