典型文献
基于能量模型的行人与车辆再识别方法
文献摘要：
为了解决行人再识别以及车辆再识别算法中网络训练过程对计算资源的消耗过大且准确率较低的问题,提出基于能量模型的目标分类和度量学习方法.利用样本特征空间中同类样本的低能量分布特性,设计对比能量损失函数,形式上表达为训练样本在真实目标类别上的损失函数响应和非目标类别上的响应之差,可以更准确地增大目标响应,抑制非目标响应,提高了分类准确率,使得同类样本特征更聚集、异类样本特征更远离.在多个行人再识别和车辆再识别数据集上的测试结果显示,相对于Soft-max和Triplet混合损失函数,利用能量模型可以提升网络训练效率,提高目标再识别准确率.
文献关键词：
车辆再识别;能量模型;行人再识别;损失函数;三元组损失
中图分类号：
作者姓名：
张师林;郭红南;刘轩
作者机构：
北方工业大学 城市道路交通智能控制技术北京市重点实验室,北京 100144
文献出处：
引用格式：
[1]张师林;郭红南;刘轩-.基于能量模型的行人与车辆再识别方法)[J].浙江大学学报（工学版）,2022(07):1416-1424
A类：
B类：
能量模型,人与车,车辆再识别,行人再识别,识别算法,中网,网络训练,训练过程,计算资源,目标分类,度量学习,样本特征,特征空间,低能量,能量分布,分布特性,设计对比,比能量,能量损失,训练样本,数响,大目标,目标响应,分类准确率,异类,更远,别数,Soft,max,Triplet,混合损失函数,训练效率,识别准确率,三元组损失
AB值：
0.454362
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
