10.19665/j.issn1001-2400.20221106
一种域增强和域自适应的换衣行人重识别范式
为了解决服装变化对行人重识别模型识别人物身份准确率的影响,提出一个基于域增强和域自适应的换衣行人重识别范式,使模型在不同的域中学习通用鲁棒的身份表示特征.首先设计了一种服装语义感知的域数据增强方法,根据人体语义信息,在不改变目标人物身份的情况下,分别改变样本衣服裤子的颜色,生成同人同衣不同色的域数据,填补换衣数据域单一问题;其次设计了一个多正类域自适应损失函数,该函数根据不同域数据在模型训练中所做出贡献的不同,为多正类数据损失赋予不同权重,迫使模型专注于样本的通用身份特征的学习.实验证明,在不影响非换衣行人重识别准确度的情况下,该方法在 PRCC和 CCVID换衣数据集上的首位命中率和平均精度均值达到了约 59.5%、60.0%和88.0%、84.5%.对比于其他方法,这种方法具有更高的准确率和更强的鲁棒性,显著提高了模型识别换衣行人的能力.
人工智能、计算机视觉、行人重识别、域自适应、数据增强
50
TP391.4(计算技术、计算机技术)
国家自然科学基金62072366
2023-11-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
87-94