-
题名基于Camstyle改进的行人重识别算法
被引量：3
- 1
-
-
作者
张师林
曹旭
-
机构
北方工业大学城市道路交通智能控制技术北京市重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第15期124-131,共8页
-
基金
国家自然科学基金(No.61403004)。
-
文摘
行人重识别是计算机领域的一个热门话题,在交通、公共安全和视频监控等场景有着广泛的应用。提出了摄像头风格学习(CSL)结合多粒度损失(MGL)的新方法,在行人重识别领域取得了优势性能。通过摄像头风格学习可以减少由摄像头差异带来的影响,更好地发挥triplet loss的优势,有效地提高识别精度。在学习过程中结合多粒度损失,利用多个层次的特征图,使学习到的特征更有区分力。在Market-1501和DukemMTMC-reID两个大型数据集上做了对比实验,实验结果表明,提出的方法优于原Camstyle方法,在Rank1上提高了3.7%和3.2%,准确率分别达到93.2%和81.5%。在Market-1501数据集上结合多粒度损失并使用re-ranking方法后,Rank1的准确率为96.1%,mAP的准确率为93.8%,获得了当前已发表最高准确度。
-
关键词
摄像头风格学习
triplet
loss
行人重识别
多粒度损失
-
Keywords
camera style learning
triplet loss
person re-identification
multi-granularity loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
