多尺度对比池化特征融合的行人重识别方法

作者：刘晓蓉; 李小霞; 秦昌辉

来源：计算机工程, 2021, 1-10.

DOI：10.19678/j.issn.1000-3428.0061508

• 行人重识别
• 多尺度特征
• 对比池化特征
• 特征融合
• 深度学习

针对行人重识别任务中行人图像受外观、姿态、遮挡、背景等因素的影响导致准确率低的问题，提出一种多尺度对比池化特征融合的行人重识别方法。首先基于残差网络ResNet50提取多尺度行人图像特征；其次，在不同层次提取三组平均池化和最大池化特征；然后将每一组平均池化和最大池化特征相减，去除图像背景杂波的影响，再将相减得到的差异特征与最大池化特征相加，获得更具有判别性的对比池化融合特征，使网络更加关注行人全身轮廓以及行人与背景的差异；最后使用三元组损失和交叉熵损失联合优化模型，提高模型泛化能力，并采用重排序技术优化网络性能。实验结果表明，本文方法在数据集Market1501和Duke MTMC-reID上的Rank1指标分别达到96.41%和91.43%，平均精度均值（mAP）分别达到94.52%和89.30%，优于目前主流的行人重识别算法。

• 单位
  西南科技大学