典型文献
结合多尺度特征学习与特征对齐的行人重识别
文献摘要：
利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果.局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的分支学习局部信息,忽略了人体各部分特征间的相关性,限制模型的性能提升.在此背景下,提出了一种新的多尺度特征学习算法,结合全局与局部特征学习得到更好的行人表示,提升复杂场景下模型的识别能力.对骨干网络不同深度输出的行人特征图,通过特征对齐模块对其执行空间变换,实现行人特征在空间上的矫正和对齐,进一步增强模型的泛化性能.在公开的大型行人重识别数据集上,与当前一些流行的方法进行了比较,验证了所提方法的有效性.
文献关键词：
深度学习;卷积神经网络;行人重识别;多尺度特征学习;行人对齐
中图分类号：
作者姓名：
金子丰;卞春江;陈实
作者机构：
中国科学院 国家空间科学中心 复杂航天系统综合电子与信息技术重点实验室,北京 100190;中国科学院大学 计算机科学与技术学院,北京 100049
文献出处：
引用格式：
[1]金子丰;卞春江;陈实-.结合多尺度特征学习与特征对齐的行人重识别)[J].计算机工程与应用,2022(20):132-140
A类：
行人对齐
B类：
多尺度特征学习,特征对齐,行人重识别,图像提取,全局特征,得令,令人满意,局部特征,人体特征,要图,分特征,局部信息,性能提升,特征学习算法,习得,复杂场景,识别能力,骨干网络,不同深度,特征图,行空,空间变换,增强模型,泛化性能,别数
AB值：
0.304358
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
