典型文献
基于特征关联和多损失融合的行人再识别方法
文献摘要：
为增强遮挡场景下所提取行人特征的判别力,有效挖掘样本类别信息,提出了一种基于特征关联和多损失融合的行人再识别方法.首先利用姿态估计器生成的人体关键点作为辅助信息,引导模型关注行人图像未被遮挡区域,提取姿态引导的全局特征;其次引入全局对比池化模块,将平均池化和最大池化的特性进行融合,提取对背景噪声和遮挡抗干扰性更强的全局特征;然后引入One-vs-rest关系模块,挖掘局部分块特征的内在关系,提取能够反映图像整体信息的局部特征;最后将交叉熵损失、难样本采样三元组损失和中心损失这3种损失函数进行加权融合,监督模型学习类间距离大、类内距离小的行人特征.在Occluded-DukeMTMC数据集进行的评估结果表明,所提算法Rank-1和mAP分别达到54.9％ 和41.5％,充分体现了改进后方法在处理行人再识别遮挡问题时的有效性和先进性.
文献关键词：
姿态估计;特征关联;多损失融合;行人再识别;遮挡
中图分类号：
作者姓名：
孙义博;王蓉
作者机构：
中国人民公安大学信息网络安全学院,北京100038
文献出处：
引用格式：
[1]孙义博;王蓉-.基于特征关联和多损失融合的行人再识别方法)[J].中国科技论文,2022(03):233-239
A类：
B类：
特征关联,联和,多损失融合,行人再识别,遮挡场景,本类,类别信息,姿态估计,估计器,人体关键点,辅助信息,全局特征,平均池化,最大池化,背景噪声,抗干扰性,One,rest,分块特征,内在关系,局部特征,交叉熵损失,难样本,三元组损失,中心损失,损失函数,加权融合,模型学习,类间距离,类内距离,Occluded,DukeMTMC,Rank,mAP,后方法,遮挡问题
AB值：
0.479803
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。
