基于奇异值分解行人对齐网络的行人重识别

张继(),金翠,王洪元*(),陈首兵

常州大学信息科学与工程学院, 江苏 常州 213164

收稿日期:2018-08-14出版日期:2019-10-20发布日期:2019-10-18
通讯作者:王洪元E-mail:27106976@qq.com;hywang@cczu.edu.cn
作者简介:张继(1981—)，男，江苏常州人，讲师，硕士研究生，主要研究方向为计算机视觉.E-mail: 27106976@qq.com
基金资助:国家自然科学基金资助项目(61572085);国家自然科学基金资助项目(61806026);国家自然科学基金资助项目(61806026)

Pedestrian recognition based on singular value decomposition pedestrian alignment network

Ji ZHANG(),Cui JIN,Hongyuan WANG*(),Shoubing CHEN

School of Information Science and Engineering, Changzhou University, Changzhou 213164, Jiangsu, China

Received:2018-08-14Online:2019-10-20Published:2019-10-18
Contact:Hongyuan WANG E-mail:27106976@qq.com;hywang@cczu.edu.cn

Supported by:国家自然科学基金资助项目(61572085);国家自然科学基金资助项目(61806026);国家自然科学基金资助项目(61806026)

摘要/Abstract

摘要： 为解决行人重识别的训练数据集中自动检测出的行人图像背景过大和行人部分缺失的错位现象问题,使用空间变换网络层对图像错位进行处理。为优化整个网络的深度学习过程,提高图像检索能力,增加网络特征层,使用奇异值向量分解方法对其进行处理。将行人对齐网络和奇异向量分解相结合,构造奇异值分解行人对齐网络,既可解决图像错位问题,又提高图像特征的相似性度量的效果。在Market1501、CUHK03和DukeMTMC-reID数据集上进行试验,并与行人对齐网络和其他深度学习与非深度学习的行人重识别方法进行比较,试验结果中整个网络的平均检索精度和行人图像第一次匹配正确的概率平均达到了65%和80%左右,这表明奇异值分解行人对齐网络可以提高对行人匹配的效果。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1867