基于深度网络的行人识别方法研究

作者：高靖宇

来源：信息与电脑(理论版), 2021, 33(14): 47-49.

• 深度学习
• 行人重识别
• 生成对抗网络
• 联合学习框架

端到端的联合判别和生成式对抗神经网络(End-to-End Joint Discriminative and Generative Learning NeuralNetral,DG-Net),将生成对抗网络(Generative Adversarial Networks,GAN)和残差神经网络(Residual Network,Res Net)结合在一起,使行人重识别(Person Re-Identification,Re-ID)能够更好地利用数据生成模型来训练网络,实现数据生成模型和Re-ID网络的共同优化。本文着重介绍了基于深度学习的Re-ID网络框架,在重新训练的网络模型上对DG-Net的各方面性能做了简单的测试,并在已有数据集测试的基础上加入了一组在学校里拍摄的行人图像作为新的测试数据,进行数据生成以及Re-ID实验。实验结果显示,即使在少量数据训练下,生成数据的真实性(FID依然能达到19.64,Re-ID准确率(Rank-1)能达到93.5%的较高水平。

• 单位
  华侨大学