跨模态行人再识别是对同一行人的可见光图像和红外图像之间进行匹配和识别，相对于单模态行人再识别的难度进一步加大。本文采用循环生成对抗网络(Cycle GAN)转换和扩充数据集，尽可能减少行人体态变化带来的影响；在ResNet50网络的基础上引入全局特征对比模块和局部特征模块，减少图像噪声和行人遮挡带来的影响；将交叉熵损失和改进的三元组损失以比例加和的形式作为多损失联合函数，对网络监督训练。实验结果表明，该方法的平均精确度均值和前十位命中率都达到了较高的水平，优于当前多数方法。
科研之友
微信
新浪微博
Facebook
分享链接
