西安电子科技大学学报

2021, v.48(05) 190-200

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

利用混合双通路神经网络的跨模态行人重识别
Cross-modality person re-identification utilizing the hybrid two-stream neural networks

程德;郝毅;周靖宇;王楠楠;高新波;

摘要(Abstract):

因为红外图像数据可以有效地弥补单一可见光数据在低照度条件下的不足,因此研究跨模态可见光—红外行人重识别将为构建一个全天候、全场景智能视频监控系统提供强有力的技术支撑。跨模态行人重识别的核心问题是构建多模态数据之间的统一共享特征表达,关键在于有效区分跨模态数据中模态共享/特有的特征信息。基于此,提出了一种基于混合双通路神经网络的跨模态行人重识别方法。该方法深入地分析了混合双通路神经网络中模态共享参数层和模态特有非共享参数层对跨模态行人重识别模型的影响,同时充分利用了不同模态数据类内特征分布的一致性约束和类间相关性系数在不同模态间的一致性约束来提升模型精度。针对所设计的整体神经网络架构,该方法采用了混合自适应学习率调整的模型训练策略来提升模型的特征学习能力。最后,通过大量实验分析验证了所提方法的有效性,并且该方法在当前可见光—红外图像行人重识别两个标准数据集(SYSU-MM01和RegDB)上都取得了领先当前主流方法的识别精度。

关键词(KeyWords): 行人重识别;跨模态;双通路神经网络;共享特征表达

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(62176198,62036007,61922066,61876142)

作者(Author): 程德;郝毅;周靖宇;王楠楠;高新波;

Email:

DOI: 10.19665/j.issn1001-2400.2021.05.022

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享