基于多分支协作的行人重识别网络

• 全文链接
• 请求原文

作   者：

张磊;  吴晓富;  张索非;  尹梓睿; 

作者机构：

南京邮电大学通信与信息工程学院;  南京邮电大学物联网学院; 

关键词：

深度学习;  特征表示;  多分支网络结构;  行人重识别; 

期刊名称：

模式识别与人工智能

基金项目：

基于表观模型学习和运动模式记忆统一架构的目标跟踪方法研究

i s s n：

1003-6059

年卷期：

2021 年 34 卷 009 期

页   码：

853-862

摘   要：

设计多分支网络以提取分集特征已成为行人重识别领域的重要方向之一.由于单分支学习到的特征表达能力有限,所以文中提出基于多分支协作的行人重识别网络.在局部分支、全局分支、全局对比池化分支、关联分支这4个相互协作的分支上进行特征提取,获得强大的分集行人特征表达能力.文中网络可应用于不同的主干网络.实验中考虑OSNet、ResNet作为文中网络的主干网络进行验证.实验表明,文中网络在行人重识别数据集上均取得Start-of-the-art结果.