计算机工程

作者：胡庆

单位：东北石油大学三亚海洋油气研究院, 海南 三亚 572024

关键词：行人重识别,生成对抗网络,特征提取,多尺度融合,联合约束

基金：海南省贾承造、杨树锋院士工作站资金资助;海南省高新技术项目(ZDYF2023GXJS004);中国石油天然气集团有限公司科学研究与技术开发项目(2021DJ2504)。

受行人姿态的多变性和行人被遮挡等因素的影响,行人重识别模型难以提取行人关键特征。为增强模型的特征表达能力,提出一种基于多尺度融合与双输出U-Net网络的行人重识别方法,旨在解决现有方法中难以提取行人关键特征、特征表达能力较低的问题。首先,提出多尺度融合的双输出U-Net网络,并对输出特征进行欧氏距离和散度距离约束;其次,设计联合损失函数,解决生成对抗网络在训练过程中不易收敛的问题,提高训练过程的收敛速度。在3个公共基准数据集上的仿真实验结果表明,相比经典特征提取网络,所提特征提取网络的平均精度均值(mAP)提升超过10%,所提行人重识别方法相比主流方法的mAP提高约2%,该方法能够增强模型的特征表达能力,提高行人重识别的准确率。

来源：2024年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第6期