科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对不同摄像机之间存在显著的类内差异，部分行人如换衣等发生变化均会导致识别下降的问题，提出一种将生成对抗网络（GAN）数据生成和行人再识别学习端对端结合起来的联合学习框架。首先，在DGNet网络的基础上，将生成器与鉴别器中的残差块ResBlock替换为DenseBlock，加强特征传播并且避免梯度消失的问题。然后，生成模块通过切换外观和结构编码，生成高质量的合成图像。最后，在鉴别模块中加入新型注意力机制（NAM），抑制不太显著的权重，更关注所需的目标区域。生成模块生成的图像在线反馈给鉴别模块鉴别图像真假，同时将结果反馈给行人再识别模块进行分类识别（鉴别模块与行人再识别模块是共享的）。在Market-1501、DukeMTMC-reID数据集上的rank-1/mAP分别达到95.7%/88.6%和87.1%/75.7%。
- 出版日期2022
