科研之友
微信
新浪微博
Facebook
分享链接
摘要
能否提取具有区别度的行人特征是行人重识别问题的关键所在.该文在ResNet-50的基础上，提出一种使用多种方法提取特征的多分支网络结构(MMNet).该网络将多种方法以一种巧妙的方式组合起来，从而解决行人姿态变化、部分遮挡等引起的行人判别特征信息缺失问题.在第一个分支中提取行人的全局特征，在第二个分支中使用通道注意力模块提取想要关注的局部特征，在第三个分支中将骨干网络提取的特征水平均匀的分割成不同的块，从而提取出不同粒度的局部特征，接着使用批量难样本三元组损失函数和softmax损失函数联合训练模型.最终使用不同分支提取的特征串联在一起作为最终特征.通过行人的全局特征和多种局部特征相互补充，从而提取出更有区别度的行人特征.算法在Market-1501和DukeMTMC-reID数据集上的平均精度均值和首位命中率分别达到87.7%和95.9%、79.9%和89.2%.试验结果表明，使用多分支网络提取的特征具有互补性，且平均精度均值和首位命中率比大多数行人重识别算法高.
- 单位
