多尺度融合与双输出U-Net网络的行人重识别

作     者：胡庆 HU Qing

作者机构：东北石油大学三亚海洋油气研究院海南三亚572024 

基　　金：海南省贾承造、杨树锋院士工作站资金资助 海南省高新技术项目(ZDYF2023GXJS004) 中国石油天然气集团有限公司科学研究与技术开发项目(2021DJ2504) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年第50卷第6期

页      码：102-109页

摘      要：受行人姿态的多变性和行人被遮挡等因素的影响,行人重识别模型难以提取行人关键特征。为增强模型的特征表达能力,提出一种基于多尺度融合与双输出U-Net网络的行人重识别方法,旨在解决现有方法中难以提取行人关键特征、特征表达能力较低的问题。首先,提出多尺度融合的双输出U-Net网络,并对输出特征进行欧氏距离和散度距离约束;其次,设计联合损失函数,解决生成对抗网络在训练过程中不易收敛的问题,提高训练过程的收敛速度。在3个公共基准数据集上的仿真实验结果表明,相比经典特征提取网络,所提特征提取网络的平均精度均值(mAP)提升超过10%,所提行人重识别方法相比主流方法的mAP提高约2%,该方法能够增强模型的特征表达能力,提高行人重识别的准确率。

主 题 词：行人重识别 生成对抗网络 特征提取 多尺度融合 联合约束 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0068317

馆 藏 号：203128247...