声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：刘保成, 朴燕, 唐悦
单位：长春理工大学 电子信息工程学院, 长春 130012
关键词：机器视觉,行人再识别,注意力机制,卷积神经网络,时间建模
基金：吉林省科技支撑项目（20180201091GX）；吉林省科技创新中心项目（20180623039TC）。
由于现实复杂情况中各种因素的干扰，行人再识别的过程中可能出现识别错误等问题。为了提高行人再识别的准确性，提出了一种基于时空正则化的行人再识别算法。首先，利用ResNet-50网络对输入的视频序列逐帧进行特征提取，将一系列帧级特征输入到时空正则化网络并产生对应的权重分数；然后，对帧级特征使用加权平均得到视频序列级特征，为避免权重分数聚集在一帧，使用帧级正则化来限制帧间差异；最后，通过最小化损失得到最优结果。在DukeMTMC-ReID和MARS数据集中做了大量的测试，实验结果表明，所提方法与Triplet算法相比能够有效提高行人再识别的平均精度（mAP）和准确率，并且对于人体姿势变化、视角变化和相似外观目标的干扰具有出色的性能表现。
来源：2019年第11期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。