摘要
针对行人重识别特征提取过程中特征图分辨率不断下降,丢失大量空间信息和细节信息,导致特征鲁棒性较低的问题,提出一种基于高分辨率特征提取网络的行人重识别方法。采取变换背景的方法对训练数据集进行数据扩充,提高数据样本的多样性;通过构建高分辨率特征提取网络,使得在整个特征提取过程中网络里始终拥有高分辨特征;结合三元损失函数和改进的交叉熵损失函数进行网络的训练。该高分辨率特征提取网络行人重识别方法在Market1501数据集上Rank-1达到了94.6%,mAP为86.0%。在DukeMTMC-reID数据集上Rank-1达到了90.3%,mAP为78.2%。该方法在两大数据集上均有良好表现,具有一定的应用价值。
-
单位上海科技大学; 中国科学院大学; 中国科学院上海高等研究院