典型文献
元学习框架下基于圆损失度量的行人重识别模型
文献摘要：
提出一种元学习框架下基于圆损失度量的行人重识别模型,以元学习的方式对行人重识别问题进行建模,同时使用改进的圆损失进行度量学习,改善样本之间距离的 自适应优化效果.首先,构建基于元度量学习的模型学习过程,按照逐个子任务的学习方式,在子任务中划分查询样本和支持集样本,将样本映射到向量空间.其次,在向量空间中计算查询样本与支持集样本之间的损失,使用改进的圆损失函数,为样本之间的相似性分数设置自适应的更新力度.最后,通过每个子任务来训练模型参数.实验结果表明,与基线方法相比,该方法在Mar-ket-1501 数据集上的Rank-1值和mAP值分别提升0.4个百分点和1.4个百分点,在DukeMT-MC-reID数据集上分别提升0.9个百分点和0.6个百分点,实现较好的识别效果.
文献关键词：
行人重识别;卷积神经网络;元度量学习;圆损失
中图分类号：
作者姓名：
常禾雨;司念文;屈丹;张红旗
作者机构：
信息工程大学,河南郑州450001
文献出处：
引用格式：
[1]常禾雨;司念文;屈丹;张红旗-.元学习框架下基于圆损失度量的行人重识别模型)[J].信息工程大学学报,2022(01):93-102
A类：
圆损失,元度量学习,DukeMT
B类：
元学习,失度,行人重识别,识别模型,行度,自适应优化,优化效果,模型学习,学习过程,逐个,子任务,学习方式,射到,向量空间,中计,计算查询,损失函数,新力,训练模型,Mar,ket,Rank,mAP,百分点,MC,reID
AB值：
0.289462
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。
