融合样本关系优化和重排序的换衣行人重识别

• 全文链接
• 请求原文

作   者：

丁钰;  毕晓君; 

作者机构：

哈尔滨工程大学信息与通信工程学院;  民族语言智能分析与安全治理教育部重点实验室; 

关键词：

Transformer;  短路连接;  重排序;  深度学习;  换衣行人重识别;  样本关系优化;  圆损失;  局部特征提取; 

期刊名称：

智能系统学报

i s s n：

1673-4785

年卷期：

2025 年 20 卷 001 期

页   码：

101-108

摘   要：

针对换衣行人重识别模型存在局部特征提取能力有限、样本关系优化不足的问题，提出一种融合样本关系优化和重排序的换衣行人重识别模型。首先，设计具有短路连接结构的Transformer模型，将网络的初始特征与深层特征进行融合，来优化每一个样本的特征表示；其次，引入圆损失对优化难度不同的样本赋予不同的权重，更好地优化不同样本之间的关系；最后，设计k′-互近邻重排序策略，对样本间相似性排名进行重新排序，来进一步提高重识别的准确率。在公开的换衣数据集上进行对比实验，结果表明本文提出的模型相比其他先进模型取得了更好的重识别效果。