图像样式风格迁移的行人再识别方法

作者：王辰魁; 陈岳林^*; 蔡晓东

来源：北京邮电大学学报, 2021, 44(03): 67-72.

DOI：10.13190/j.jbupt.2020-147

• 循环生成对抗网络
• 行人再识别
• 标签平滑正则化
• 焦点损失

现有行人再识别模型的训练集,来源于有限的固定采集设备,样本样式风格缺乏多样性.通过循环生成对抗网络,使不同摄像机捕捉到的图像数据进行样式风格迁移,可以通过较低成本来提升样本风格的多样性.为了提高模型的泛化能力,设计了一种新的正负样本融合训练方法.首先,把样式风格迁移后的样本作为负样本,样式风格迁移前的样本作为正样本,将正负样本同时送入模型训练;进一步,为了防止过拟合,也为了考虑错误标签位置的损失,采用了标签平滑正则化;同时,为了更多地关注困难、易错分的样本,实现对负样本的损失优化,采用了焦点损失函数.实验结果表明,所提方法在Market-1501数据集和Duke MTMC-reID数据集上的识别准确率分别提升了1.51%和2.07%.

• 单位
  机电工程学院; 桂林电子科技大学