元学习框架下基于圆损失度量的行人重识别模型

作     者：常禾雨 司念文 屈丹 张红旗 CHANG Heyu;SI Nianwen;QU Dan;ZHANG Hongqi

作者机构：信息工程大学河南郑州450001 

出 版 物：《信息工程大学学报》 (Journal of Information Engineering University)

年 卷 期：2022年第23卷第1期

页      面：93-102页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61673395,62171470) 河南省科技攻关资助项目(212102210162) 

主　　题：行人重识别 卷积神经网络 元度量学习 圆损失 

摘      要：提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的自适应优化效果。首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方式,在子任务中划分查询样本和支持集样本,将样本映射到向量空间。其次,在向量空间中计算查询样本与支持集样本之间的损失,使用改进的圆损失函数,为样本之间的相似性分数设置自适应的更新力度。最后,通过每个子任务来训练模型参数。实验结果表明,与基线方法相比,该方法在Market-1501数据集上的Rank-1值和mAP值分别提升0.4个百分点和1.4个百分点,在DukeMTMC-reID数据集上分别提升0.9个百分点和0.6个百分点,实现较好的识别效果。