计算机应用研究

作者：熊炜,杨荻椿,熊子婕,童磊,李利荣,王娟,

单位：1.湖北工业大学电气与电子工程学院,武汉430068；2.美国南卡罗来纳大学计算机科学与工程系,美国哥伦比亚29201；

关键词：行人重识别,全局特征拼接,聚类损失,标签平滑损失,

基金：国家留学基金资助项目(201808420418)；国家自然科学基金资助项目(61571182,61601177)；湖北省自然科学基金资助项目(2019CFB530)；；

针对目前行人重识别出现网络模型复杂化、识别率低的问题，提出一种基于全局特征拼接的行人重识别算法。首先利用卷积神经网络（CNN）提取全局特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接后的特征再次进行卷积处理，获得高表征能力的特征。网络训练时，采用聚类损失函数和标签平滑损失函数联合训练，同时引入了随机擦除和减小池化步长的训练技巧。在Market1501、DukeMTMC-reID、CUHK03和MSMT17数据集上进行了实验验证，实验表明所提算法具有良好性能，其中在Market1501上，Rank-1、mAP分别达到了95.9%和94.6%。

来源：2021年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第1期