%0 Journal Article %A 张师林 %A 曹旭 %T 基于Camstyle改进的行人重识别算法 %D 2020 %R 10.3778/j.issn.1002-8331.1905-0090 %J 计算机工程与应用 %P 124-131 %V 56 %N 15 %X

行人重识别是计算机领域的一个热门话题,在交通、公共安全和视频监控等场景有着广泛的应用。提出了摄像头风格学习(CSL)结合多粒度损失(MGL)的新方法,在行人重识别领域取得了优势性能。通过摄像头风格学习可以减少由摄像头差异带来的影响,更好地发挥triplet loss的优势,有效地提高识别精度。在学习过程中结合多粒度损失,利用多个层次的特征图,使学习到的特征更有区分力。在Market-1501和DukemMTMC-reID两个大型数据集上做了对比实验,实验结果表明,提出的方法优于原Camstyle方法,在Rank1上提高了3.7%和3.2%,准确率分别达到93.2%和81.5%。在Market-1501数据集上结合多粒度损失并使用re-ranking方法后,Rank1的准确率为96.1%,mAP的准确率为93.8%,获得了当前已发表最高准确度。

%U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.1905-0090