强化深度特征融合的行人搜索系统

发布时间：2024-06-29 14:05

　　针对行人图像的深度特征缺乏对局部细节的描述,及不完全具备对尺度、旋转、平移及光照变化等各种因素的不变性而导致行人搜索准确率低的问题,本文提出一种具有强化深度特征融合的行人搜索系统。该系统将行人候选网络和行人识别网络两部分整合优化成统一框架。其中,行人候选网络实现行人框的获取及标定,而行人识别网络在获取深度学习特征的基础上融入具有几何不变性的传统特征,建立一个强化深度特征融合网络模型。实验结果表明,本文采用强化深度特征融合的网络模型,在SSM数据集上检测并框出图片中的行人,其Top-1识别正确率高达80.7%,比单纯采用深度特征模型更具优越性。

【文章页数】：6 页

【部分图文】：

图3深度特征融合模型深度学习自主学习到的CNN特征具有良好的通

，其中行人识别网络与行人候选网络共享基本的卷积特征映射图;最后实现在行人识别网络上提取行人图像特征，进行行人特征匹配得到正确目标人物。行人识别网络在ＲesNet-50的剩余网络部分加入具有几何不变性的SIFT特征，实现特征融合互补［11］。在训练阶段，通过多任务方式来采用OIM损....

图5行人搜索结果(c)(c1)(c2)(c3)

3个行人检测器和5个行人再识别方法。现成的检测器有CCF［19］、ACF［20］和基于神经网络的ＲesNet-50;行人再识别采用的特征表示有DenseSIFT-ColorHist(DSIFT)［21］、BagofWords(BoW)［22］和LOMO［23］;相对应的度量距离方....

本文编号：3997665