Faster R-CNN行人检测与再识别为一体的行人检索算法

被引：19

作者：

陈恩加

唐向宏

傅博文

机构：

[1] 杭州电子科技大学通信工程学院

来源：

计算机辅助设计与图形学学报 | 2019年 / 31卷 / 02期

关键词：

Faster R-CNN; 距离函数; 损失函数; 行人检测; 行人再识别;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

为了缩小目前行人再识别算法与真实世界中行人检索任务之间在应用上的差距,将行人检测与再识别这2个模块融为一体,提出一种基于改进的FasterR-CNN的行人检索算法.首先采用对边框进行迭代回归的方法改进原FasterR-CNN中的候选行人边框精度;然后利用包含欧氏距离和余弦距离的混合相似性距离函数来增强网络对于行人相似度的辨识能力;最后利用中心损失函数对网络的损失函数进行改进,通过提高不同行人特征的可区分度,实现更加精准的目标行人检索功能.基于CUHK-SYSU数据集的仿真实验结果表明,该算法的累积匹配特性(CMC top-1)、平均精度均值(mAP)分别为81.6%和78.9%;与相关行人检索算法相比, CMC top-1提升3.0%～18.0%, mAP提升3.0%～23.0%.

引用

页码：332 / 339

页数：8

共 4 条

[1] 融合多模型和帧间信息的行人检测算法
王斌
刘洋
唐胜
郭俊波
[J]. 计算机辅助设计与图形学学报, 2017, 29 (03) : 444 - 449
[2] 基于HSV模型和特征点匹配的行人重识别算法
彭志勇
常发亮
刘洪彬
别秀德
[J]. 光电子·激光, 2015, 26 (08) : 1575 - 1582
[3] End-to-end deep learning for person search .2 Xiao T,Li S,Wang B C,et al. http://www.ee.cuhk.edu.hk/-xgwang/PS/paper.pdf . 2017
[4] A discriminative feature learning approach for deep face recognition .2 WEN Y,ZHANG K,LI Z,et al. European Conference on Computer Vision . 2016

← 1 →