基于行人属性分级识别的行人再识别

作     者：陈鸿昶 吴彦丞 李邵梅 高超 CHEN Hongchang;WU Yancheng;LI Shaomei;GAO Chao

作者机构：国家数字交换系统工程技术研究中心 

基　　金：国家自然科学基金(61601513) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2019年第41卷第9期

页      码：2239-2246页

摘      要：为了提高行人再识别算法的识别效果,该文提出一种基于注意力模型的行人属性分级识别神经网络模型,相对于现有算法,该模型有以下3大优点:一是在网络的特征提取部分,设计用于识别行人属性的注意力模型,提取行人属性信息和显著性程度;二是在网络的特征识别部分,针对行人属性的显著性程度和包含的信息量大小,利用注意力模型对属性进行分级识别;三是分析属性之间的相关性,根据上一级的识别结果,调整下一级的识别策略,从而提高小目标属性的识别准确率,进而提高行人再识别的准确率。实验结果表明,该文提出的模型相较于现有方法,有效提高了行人再识别的首位准确率,其中,Market1501数据集上,首位准确率达到了93.1%,在DukeMTMC数据集上,首位准确率达到了81.7%。

主 题 词：行人再识别 注意力模型 深度学习 显著性 属性分级 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.11999/JEIT180740

馆 藏 号：203778072...