科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用卷积神经网络对行人图像提取一个简单的全局特征，在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征，但往往需要图像中的人体具有良好的空间对齐，而且，将人体各部分特征输入到独立的分支学习局部信息，忽略了人体各部分特征间的相关性，限制模型的性能提升。在此背景下，提出了一种新的多尺度特征学习算法，结合全局与局部特征学习得到更好的行人表示，提升复杂场景下模型的识别能力。对骨干网络不同深度输出的行人特征图，通过特征对齐模块对其执行空间变换，实现行人特征在空间上的矫正和对齐，进一步增强模型的泛化性能。在公开的大型行人重识别数据集上，与当前一些流行的方法进行了比较，验证了所提方法的有效性。
- 单位
