检索结果-南通市图书馆

华东交通大学学报 2024年第2期41卷 87-94页

作者：魏克铭韩星宇王辉范自柱华东交通大学理学院江西南昌330013 华东交通大学江西省先进控制与优化重点实验室江西南昌330013

【目的】由于可见光图像和红外图像之间的巨大模态差异,导致可见光-红外行人重识别是一项非常具有挑战性的图像检索问题。【方法】为了进一步减小两种模态之间的差异,重点关注行人信息,提出一种基于双注意力机制的网络结构用于可见光-... 详细信息

【目的】由于可见光图像和红外图像之间的巨大模态差异,导致可见光-红外行人重识别是一项非常具有挑战性的图像检索问题。【方法】为了进一步减小两种模态之间的差异,重点关注行人信息,提出一种基于双注意力机制的网络结构用于可见光-红外行人重识别。一方面通过双注意力机制挖掘不同尺度的行人空间信息和增强局部特征的通道交互能力,另一方面利用全局分支和局部分支,学习多粒度的特征信息,使不同粒度信息可以相互补充,形成一个更具辨别性的特征。【结果】在两个公共数据集上的实验结果表明,该方法相较于基线有明显的提升,在RegDB数据集和SYSU-MM01数据集上均表现出理想的性能。【结论】该方法可为以后解决可见光-红外行人重识别的模态差异问题提供有效的参考。

关键词：可见光-红外行人重识别注意力机制缓解模态差异

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于共享特征精炼的可见光-红外行人重识别方法研究

基于共享特征精炼的可见光-红外行人重识别方法研究

引用

作者：张银寅南京信息工程大学

学位级别：硕士

随着监控设备在公共场所的广泛应用,行人图像及视频数据快速增长,传统的依赖于人工进行行人匹配的方式效率低且成本高,基于机器智能的行人重识别课题应运而生。目前的行人重识别方法主要集中在可见光-可见光单模态图像匹配,但随着安防... 详细信息

随着监控设备在公共场所的广泛应用,行人图像及视频数据快速增长,传统的依赖于人工进行行人匹配的方式效率低且成本高,基于机器智能的行人重识别课题应运而生。目前的行人重识别方法主要集中在可见光-可见光单模态图像匹配,但随着安防监控系统的不断完善,越来越多的红外摄像头被用于夜间或昏暗光线下进行监控。由于可见光相机和红外相机之间的成像差异,不同模态图像间具有较大的模态差异,使得常规的基于单模态场景的行人重识别算法难以适应跨模态的场景。因此可见光-红外行人重识别任务引起了越来越多的关注。可见光-红外跨模态行人重识别面临着模态间差异和模态内差异的双重挑战,本文将利用全局特征与局部特征的互补,模态特定特征和模态共享特征的互补,注意力机制等方法,对模态共享特征进行精炼从而改进可见光-红外行人重识别方法。本文的主要研究内容如下:(1)针对现有方法通常聚焦于全局特征,导致学习到的共享信息存在局限性,缺乏对细粒度特征的关注,提出了一种多粒度特征利用的跨模态行人重识别方法,通过将两个模态的全局和局部特征中的共享信息进行联合学习以增强粗细粒度特征之间的互补性。首先,通过两个特征提取器分别提取两个模态的细粒度局部共享特征,利用难样本挖掘三元组损失和异质中心损失从样本层面和类中心层面多角度地促进类内紧密性,扩大类间差异。然后对全局特征使用了一个多模态特征聚合模块来融合两种模态的信息,学习两种模态特征之间的关系,以缓解模态间存在的差异。(2)针对模态间鉴别性共享信息的匮乏,现有方法又通常忽略了特定特征中对模态差异具有缓解作用的重要信息,提出了一种基于双重注意力特征增强的跨模态方法,通过分别挖掘浅层和深层特征中的共享信息以补充模态间缺乏的共享特征。具体来说,首先通过通道增强策略将可见光图像转换为灰度图像以消除颜色信息的干扰。然后,针对模态特定特征设计了浅层特征度量模块,通过最大平均差异损失度量特定特征中属于同一身份的行人特征在两个模态之间的分布,以拉近类间距离,挖掘潜藏的共享信息。最后,提出了一个双重注意力特征增强模块,旨在从共享特征中挖掘更多有效的上下文信息,以缩短模态内同一身份之间的距离。

关键词：可见光-红外行人重识别跨模态模态共享特征

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视频监控场景下的可见光—红外行人重识别研究

视频监控场景下的可见光—红外行人重识别研究

引用

作者：潘惠珊中南民族大学

学位级别：硕士

随着智能视频监控的不断发展,行人重识别成为计算机视觉领域的热门研究方向。传统的行人重识别方法主要聚焦在可见光领域,当行人在夜间或者光线比较弱时,该方法在智能视频监控中的应用就会受到限制。为了解决这个问题,可见光-红外行人... 详细信息

随着智能视频监控的不断发展,行人重识别成为计算机视觉领域的热门研究方向。传统的行人重识别方法主要聚焦在可见光领域,当行人在夜间或者光线比较弱时,该方法在智能视频监控中的应用就会受到限制。为了解决这个问题,可见光-红外行人重识别(Visible-infrared Person Re-identification,VI Re-ID)受到了研究者们的广泛关注。在智能视频监控中,可见光图像和红外图像存在模态差异,且目前的可见光-红外行人重识别只专注于图像下的研究,不利用视频中的时间信息。针对上述问题,本文从基于图像和基于视频两个角度来研究可见光-红外行人重识别:1、为了缓解模态差异,本文提出了一个动态加权梯度反转网络(Dynamic Weighted Gradient Reversal Network,DGRNet),通过混淆模态判别来增强对判别性特征表示的学习。所提出的DGRNet主要思想是通过梯度反转来指导模态鉴别器和特征提取部分进行对抗训练,从而混淆同一行人在不同模态下的特征,减少模态差异。同时,为了进一步减少模态差异,为梯度反转设计了一个动态权重,该动态权重能够动态和自适应地评估目标损失项的相对重要性,在不涉及任何超级参数调整的前提下,实现网络的最优对抗训练,从而更好地混淆不同模态下的行人特征,增强对判别性特征表示的学习。2、针对现有的可见光-红外行人重识别方法缺少时间信息的问题,本文对基于视频的可见光-红外行人重识别方法进行了研究,构建了一个基于视频的可见光-红外行人重识别数据集,进而设计了一种基于视频的可见光-红外行人重识别基线网络。该网络首先使用双流架构提取模态特异性信息和模态共享信息,并且为了进一步减少模态差异,使用动态加权梯度反转来指导网络进行对抗训练,从而学习到判别性特征表示,最后为了利用视频数据中的时间信息,使用时间建模模型对高维特征进行时间建模,提升行人重识别精度。

关键词：可见光-红外行人重识别动态权重梯度反转时间信息

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度特征及度量学习的可见光-红外行人重识别方法研究

基于深度特征及度量学习的可见光-红外行人重识别方法研究

引用

作者：蔡鑫山东师范大学

学位级别：硕士

随着智能监控视频的普及,行人重识别研究受到越来越多的关注。其中,可见光领域的行人重识别是主要的研究方向之一,但光线昏暗或深夜等环境条件会影响其研究成果在现实场景中的应用。针对这一问题,考虑到双模态相机应用越来越多,本文关... 详细信息

随着智能监控视频的普及,行人重识别研究受到越来越多的关注。其中,可见光领域的行人重识别是主要的研究方向之一,但光线昏暗或深夜等环境条件会影响其研究成果在现实场景中的应用。针对这一问题,考虑到双模态相机应用越来越多,本文关注可见光-红外行人重识别,即在红外(可见光)模态下识别可见光(红外)行人图片。由于可见光相机和红外相机反射光谱不同而造成的跨模态差异和由于相机视角不同、行人姿势变化、背景复杂、光照等因素造成的类内变化使得可见光-红外行人重识别任务更具挑战性,为此,本文基于深度特征及度量学习提出了两个方法,其主要研究内容如下:1、提出了一种基于对抗双路多阶段融合网络的可见光-红外行人重识别方法(Adversarial Dual-path Multi-stage Fusion network,ADMF)。该方法的网络框架分为两部分,双路多阶段融合网络和模态分类器。双路多阶段融合网络生成图片的多阶段融合特征表示,模态分类器判断输入的特征表示来自哪一个模态。该方法借鉴了生成对抗网络的思想,通过极小极大博弈联合优化这两部分。我们同时设计了一个新的双模态约束损失(Dualmodality Constraint Loss,DCL)引导双路网络的训练,以解决跨模态和模态内的类内变化问题。2、提出了一种基于双模态难挖掘三元组-中心损失的可见光-红外行人重识别方法(Dual-modality hard mining triplet-center loss,DTCL)。DTCL为每一个类别分别学习一个可见光模态中心和一个红外模态中心,然后为每一个样本在线挑选新的跨模态三元组和模态内三元组。DTCL通过拉近样本与其同类中心间的距离,推远样本与不同类中心间的距离来监督网络学习模态不变信息,实现行人的可靠分类。除此之外,我们应用一个双流局部特征学习网络(Dual-path part-based feature learning network,DPFLN)来学习行人的局部特征表示。我们在两个常用的数据集RegDB和SYSU-MM01上进行了大量的实验,获得了比当前的先进方法更好的性能,验证了我们提出的方法的有效性。

关键词：可见光-红外行人重识别深度特征学习深度度量学习对抗学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种单阶段无监督可见光-红外跨模态行人重识别方法

引用

计算机科学 2024年第S1期51卷 528-534页

作者：娄刃和任强赵三元郝昕周跃琪汪心渊李方芳浙江省交通运输科学研究院杭州310000 北京理工大学计算机学院北京100081 北京理工大学长三角研究院(嘉兴) 浙江嘉兴314011 浙江交投高速公路运营管理有限公司企业研究院杭州310000

无监督“可见光-红外”跨模态行人重识别任务能够缓解智能监控场景中需要大量人工标注的问题。常见多阶段模型用于处理不同模态数据。文中提出了一种有效的单阶段无监督跨模态行人重识别的方法,设计了基于置信因子的聚类算法和图嵌入的... 详细信息

无监督“可见光-红外”跨模态行人重识别任务能够缓解智能监控场景中需要大量人工标注的问题。常见多阶段模型用于处理不同模态数据。文中提出了一种有效的单阶段无监督跨模态行人重识别的方法,设计了基于置信因子的聚类算法和图嵌入的跨模态特征处理方法,分别用于解决无标签问题和跨模态问题。实验结果表明,相较于现有算法,所提方法在r=1时精度至少取得了7%的提高。

关键词：跨模态学习无监督行人重识别可见光-红外行人重识别无监督学习跨模态特征处理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：