计算机应用

作者：韩建栋, 李晓宇

单位：山西大学 计算机与信息技术学院, 太原 030006

关键词：行人重识别,多尺度特征,远程上下文信息,空洞卷积,特征融合

基金：国家自然科学基金资助项目（62072291）；山西省研究生教育改革研究课题（2020YJJG030）。

针对行人重识别任务在特征提取时缺乏对行人特征尺度变化的考虑，导致其易受环境影响而具有低行人重识别准确率的问题，提出了一种基于多尺度特征融合的行人重识别方法。首先，在网络浅层通过混合池化操作来提取多尺度的行人特征，从而帮助网络提升特征提取能力；然后，在残差块内添加条形池化操作以分别提取水平和竖直方向的远程上下文信息，从而避免无关区域的干扰；最后，在残差网络之后利用不同尺度的空洞卷积进一步保留多尺度的特征，从而帮助模型灵活有效地解析场景结构。实验结果表明，在Market-1501数据集上，所提方法的Rank1达到95.9%，平均精度均值（mAP）为88.5%；在DukeMTMC-reID数据集上，该方法的Rank1达到90.1%，mAP为80.3%。可见所提方法能够较好地保留行人特征信息，从而提高行人重识别任务准确率。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期