基于样本正态性重采样的改进KISSME行人再识别算法

作者：宋丽丽; 李彬; 赵俊雅; 刘**

来源：计算机应用研究, 2020, (07): 2227-2231.

DOI：10.19734/j.issn.1001-3695.2019.02.0098

• 行人再识别
• 度量学习算法
• 半监督学习 person re-identification
• metric learning
• semi-supervised

跨场景行人再识别方法的关键在于特征识别和度量模型的建立,而这两方面的问题都受到图像样本分布的局限,进而使得模型参数的估计出现过拟合现象。针对以上跨场景的行人再识别问题,提出了一种基于半监督的改进KISSME算法。该算法在KISSME学习算法的基础上,根据样本数据的正态分布特性进行重采样,并通过构建循环优化的学习方式弱化模型的拟合强度,增强度量模型的泛化能力,以此建立泛化后的度量模型。再通过联合KISSME度量,构建改进的半监督度量模型。最后,利用行人再识别通用公开数据集VIPe R对改进算法的有效性进行验证,并与SLDDL、RDC、ITML、PCCA、QARR-RSVM和KISSME等算法精度...

• 单位
  武汉轻工大学; 武汉理工大学; 成都理工大学工程技术学院