科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在跨域场景下，行人图片受到光照、色度变化、风格转换等因素影响，行人重识别学习得到的模型无法较好表达行人外观特征的问题，对常用的分类网络骨架ResNet作出修改，并结合IBN模块解决图像风格转换问题。同时提出随机灰度擦除的数据增强方案，在不改变原始图像结构信息的前提下，使用灰色补丁图像代替原始图像，有效降低光照对行人重识别模型的影响。其次，在模型训练中使用Circle Loss代替了SoftMax Loss和Triplet Loss的线性结合，并对Center Loss进行加权以加强特征的内聚性，同时结合Warm-Up和余弦退火策略动态改变学习率。最后，在不降低精度的前提下通过知识蒸馏方法学习得到较小的模型完成加速推理。实验表明，所提出的方法可以有效提升模型收敛速度，并在现实应用中完成快速跨域行人检索。
- 单位
