基于语义融合的域内相似性分组行人重识别

TP391; 无监督跨域行人重识别旨在使有标签源域数据集上训练的模型适应目标域数据集.然而,基于聚类的无监督跨域行人重识别算法在网络特征学习过程中常因输入行人图片情况各异而产生噪声,从而影响聚类效果.针对这一问题,提出一种基于语义融合的域内相似性分组行人重识别网络,首先在Baseline网络的基础上添加语义融合层,依次从空间和通道2个方面对中间特征图进行相似特征的语义融合,从而提升网络的自适应感知能力.此外,通过充分利用域内相似性细粒度信息,进而提高网络对全局和局部特征的聚类精准度.通过在DukeMTMC-ReID、Market1501和MSMT17这3个公开数据集上进行实验,结果表明,所提算...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 43; no. 7; pp. 153 - 162
Main Authors 寇旗旗, 黄绩, 程德强, 李云龙, 张剑英
Format Journal Article
LanguageChinese
Published 中国矿业大学计算机科学与技术学院,江苏 徐州 221116%中国矿业大学信息与控制工程学院,江苏 徐州 221116 25.07.2022
Subjects
行人重识别
自适应感知
细粒度信息
语义融合
无监督跨域
Online AccessGet full text

Cover

More Information
Summary:TP391; 无监督跨域行人重识别旨在使有标签源域数据集上训练的模型适应目标域数据集.然而,基于聚类的无监督跨域行人重识别算法在网络特征学习过程中常因输入行人图片情况各异而产生噪声,从而影响聚类效果.针对这一问题,提出一种基于语义融合的域内相似性分组行人重识别网络,首先在Baseline网络的基础上添加语义融合层,依次从空间和通道2个方面对中间特征图进行相似特征的语义融合,从而提升网络的自适应感知能力.此外,通过充分利用域内相似性细粒度信息,进而提高网络对全局和局部特征的聚类精准度.通过在DukeMTMC-ReID、Market1501和MSMT17这3个公开数据集上进行实验,结果表明,所提算法的均值平均精度(mAP)和Rank识别准确率与近年无监督跨域行人重识别算法相比有显著提升.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2022136