文献类型：期刊文章

作　　者：刘丽[1] 李曦[1] 雷雪梅[2]

Liu Li;Li Xi;Lei Xuemei(School of Automation and Engineering,University of Science and Technology Beijing,Beijing 100083;Office of Information Construction and Management,University of Science and Technology Beijing,Beijing 100083)

机构地区：[1]北京科技大学自动化学院,北京100083 [2]北京科技大学信息化建设与管理办公室,北京100083

出　　处：《计算机辅助设计与图形学学报》

基　　金：国家自然科学基金(12071025);佛山市科技创新专项基金(BK20AE004)。

年　　份：2022

卷　　号：34

期　　号：12

起止页码：1868-1876

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了解决行人重识别中行人特征表达不充分、忽视相邻区域的语义相关性等问题,提出了多尺度多特征融合的行人重识别模型.首先,通过多分支结构获取包含不同信息的特征图;其次,通过组合相邻的局部区域,强调局部特征之间的语义相关性;最后,结合最大池化和平均池化的优势,从不同的方向学习更加全面的特征信息.分别在Market-1501,DukeMTMC-reID以及MSMT17数据集上进行实验,结果表明,在光照不同、拍摄角度不同等环境下,文中模型的mAP分别达到了88.40%,78.50%,59.20%,能够有效地提取行人特征,识别精度较高.

关 键 词：深度学习  行人重识别  多尺度多特征  特征融合  

分 类 号：TP391.41]