-
题名融合子空间共享特征的多尺度跨模态行人重识别方法
被引量:4
- 1
-
-
作者
王凤随
闫涛
刘芙蓉
钱亚萍
许月
-
机构
安徽工程大学电气工程学院
检测技术与节能装置安徽省重点实验室
高端装备先进感知与智能控制教育部重点实验室
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第1期325-334,共10页
-
基金
安徽省自然科学基金(2108085MF197,1708085MF154)
安徽高校省级自然科学研究重点项目(KJ2019A0162)
+1 种基金
检测技术与节能装置安徽省重点实验室开放基金资助项目(DTESD2020B02)
安徽高校研究生科学研究项目(YJS20210448,YJS20210449)。
-
文摘
跨模态行人重识别(Re-ID)是智能监控系统所面临的一项具有很大挑战的问题,现有的跨模态研究方法中主要基于全局或局部学习表示有区别的模态共享特征。然而,很少有研究尝试融合全局与局部的特征表示。该文提出一种新的多粒度共享特征融合(MSFF)网络,该网络结合了全局和局部特征来学习两种模态的不同粒度表示,从骨干网络中提取多尺度、多层次的特征,全局特征表示的粗粒度信息与局部特征表示的细粒度信息相互协同,形成更具有区别度的特征描述符。此外,为使网络能够提取更有效的共享特征,该文还针对网络中的两种模态的嵌入模式提出了子空间共享特征模块的改进方法,改变传统模态特征权重的特征嵌入方式。将该模块提前放入骨干网络中,使两种模态的各自特征映射到同一子空间中,经过骨干网络产生更丰富的共享权值。在两个公共数据集实验结果证明了所提方法的有效性,SYSU-MM01数据集最困难全搜索单镜头模式下平均精度m AP达到了60.62%。
-
关键词
行人重识别
跨模态
全局和局部特征
多粒度共享特征融合
子空间共享特征
-
Keywords
Person Re-IDentification(Re-ID)
Cross-modality
Global and local features
multi-granularity shared feature fusion(msff)
Subspace sharing features
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-