基于区域生成网络的行人重识别算法优化

摘要：

为解决行人重识别场景中图像背景噪声对行人特征提取的干扰问题,本文提出了一种基于区域生成网络(RPN)的行人重识别改进算法.使用RPN获取具有不同尺度信息的感兴趣区域(ROI),再通过感兴趣池化(ROI pooling)层实现ROI多尺度信息的协调统一,抑制了图像背景噪声对行人信息表征的影响;搭建了以全局特征、切块局部特征及基于RPN的ROI特征的多分支网络结构,增强了行人特征信息;在难样本采样的三元组损失上加入正样本的最小距离为类内距离,提高正样本之间的聚类性能;最后,结合了优化的三元组损失函数和交叉熵损失函数来监督训练,防止训练结果过拟合.为验证该方法的可靠性,在Market1501数据集上进行验证,本文方法在Market1501数据集上的Rank1精度为94.7％,mAP精度为85.8％,表明本文方法具有较好的行人识别效果.

关键词：行人重识别、区域生成网络、多分支网络、三元组损失

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：184-189