基于跨场景迁移学习的行人再识别

为解决在新场景中行人再识别系统识别率低的问题,提出基于跨场景迁移学习的行人再识别方法。由于新场景中已标记信息很少,利用在其它场景中获得的行人图像来帮助目标场景的行人再识别。对图像用Retinex变换预处理,减少光照影响,通过非对称多任务学习方式联合学习不同场景的数据集,得到相似性度量函数,运用跨任务数据差异模型解决共享空间的数据塌陷问题,引入正则化项,缓解过拟合现象。实验结果表明,相比有关非迁移学习的行人再识别方法,基于跨场景迁移学习方法在识别率上有很好的提升。