基于多尺度局部特征融合的行人重识别方法

作     者：吴蕾 王海瑞 朱贵富 赵江河 WU Lei;WANG Hairui;ZHU Guifu;ZHAO Jianghe

作者机构：昆明理工大学信息工程与自动化学院昆明650500 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2024年第51卷第S1期

页      面：494-499页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61863016 61263023) 

主　　题：行人重识别 局部特征 特征空间分割 空间变换网络 随机擦除 

摘      要：针对现有行人重识别方法在提取行人特征时存在特征不对齐、忽略相邻区域语义相关性、背景杂乱以及训练效率低的问题,提出一种多尺度局部特征融合的方法。首先引入空间变换网络对图像进行自适应仿射变换,实现行人空间特征对齐;接着横向均等分割不同尺度的特征图,对相邻局部块采取不同的拼接方式,以弥补切割造成的相邻块关联性信息缺失的问题;再融合全局特征与局部特征,挖掘二者之间的关联性。同时,融入随机擦除的方法对数据集进行处理,防止模型过拟合;并且使用多种损失函数对网络模型进行训练,提升模型的类内紧致性和类间差异性。将所提方法在Market-1501和DukeMTMC-ReID数据集上进行实验,Rank-1分别达到95.0%,88.8%,mAP分别达到89.2%,78.9%,结果表明所提方法能够提取更具判别力的行人特征。