激光与光电子学进展, 2019, 56 (14): 141504, 网络出版: 2019-07-12   

基于多尺度卷积特征融合的行人重识别 下载: 1647次

Person Reidentification Based on Multiscale Convolutional Feature Fusion
作者单位
江南大学物联网工程学院物联网应用技术教育部工程中心, 江苏 无锡 214122
图 & 表

图 1. 网络结构

Fig. 1. Network structure

下载图片 查看原文

图 2. 所提分块策略与PCB分块策略比较

Fig. 2. Comparison of our blocking strategy with PCB blocking strategy

下载图片 查看原文

图 3. 二分类的几何示意图。(a)原始的softmax loss;(b)归一化权重和特征后的softmax loss

Fig. 3. Geometric diagram of the second classification. (a) Original softmax loss; (b) softmax loss with normalized weights and features

下载图片 查看原文

图 4. 算法识别效果图。(a) Baseline;(b) PCB (out RPP);(c) baseline+SPP (1+2+6);(d) ours

Fig. 4. Results of recognition algorithm. (a) Baseline; (b) PCB (out RPP); (c) baseline+SPP (1+2+6); (d) ours

下载图片 查看原文

表 1两种方法对基准模型的提升效果

Table1. Effects of two methods for improving baseline model

ModelMarket-1501DukeMTMC-reID
rank-1mAPrank-1mAP
Baseline86.8869.5972.6254.93
Baseline+SPP89.3171.4180.8364.99
Baseline+L2_softmax88.7272.4276.9360.18
Ours91.3675.4682.0565.97
Ours+Re-ranking93.2988.8186.4981.93

查看原文

表 2不同分块模型性能比较

Table2. Performance comparison of different block models

ModelMarket-1501DukeMTMC-reID
rank-1mAPrank-1mAP
Baseline86.8869.5972.6254.93
PCB(out RPP)88.4869.8980.2164.27
Baseline+SPP(1+2+3)89.3171.4180.8364.99
Baseline+SPP(1+2+4)89.4170.6879.3562.55
Baseline+SPP(1+2+6)88.0968.7580.0564.89

查看原文

表 3本文算法与主流算法的性能比较

Table3. Performance comparison of our algorithm with mainstream algorithms

MethodMarket-1501DukeMTMC-reID
rank-1mAPrank-1mAP
PSE87.769.079.862.0
GLAD89.973.9
SVDNet82.362.176.756.8
MultiScale88.973.179.260.6
MLFN90.074.381.062.8
HA-CNN91.275.780.563.8
DPFL88.972.679.260.6
Ours91.475.582.166.0
Ours+Re-ranking93.388.986.581.9

查看原文

徐龙壮, 彭力. 基于多尺度卷积特征融合的行人重识别[J]. 激光与光电子学进展, 2019, 56(14): 141504. Longzhuang Xu, Li Peng. Person Reidentification Based on Multiscale Convolutional Feature Fusion[J]. Laser & Optoelectronics Progress, 2019, 56(14): 141504.

本文已被 8 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!