10.14132/j.cnki.1673-5439.2022.03.007
基于双重模态距离约束的红外-可见光行人重识别
近年来,红外-可见光的行人重识别在视频监控、网络刑侦等领域应用广泛,这项任务的目的是匹配RGB摄像机和红外摄像机拍摄的同一行人.由于行人图像在RGB模态和红外模态下存在较大的差异,使得该任务具有一定的挑战性.文中提出一种混合交叉的双路径特征学习网络,同时提出一种新颖的整体约束和部分三元组-中心损失函数,用于更好表征行人的局部特征.该网络模型首先提取不同模态下的行人特征,然后将提取的特征水平切割为p个部件后映射到公共空间,最后通过模态特定身份损失、交叉熵损失以及提出的损失函数共同协作,提升整体性能.提出的损失函数首先利用整体约束,用于缩小不同模态的差异;然后,通过融合三元组损失和中心损失,用以扩大同一模态内不同类别间的差异,从而实现同一类别样本更接近其中心,同时远离其它类别中心.实验表明,该方法在SYSU-MM01和RegDB两个公共数据集上的性能优于其他方法.
行人重识别、红外、双路径、三元组损失、中心损失
42
TP391.4(计算技术、计算机技术)
南京邮电大学自然科学基金资助项目NY221077
2022-08-11(万方平台首次上网日期,不代表论文的发表时间)
共14页
52-65