基于对抗一致性和多补丁特征的行人重识别

摘要

针对现有的行人重识别模型提取的特征中存在因信息不充分导致判别力较差的问题,提出了一种基于对抗一致性和多补丁特征的行人重识别模型。首先在对抗一致性学习阶段,将数据集按照相机视角随机分为2组,使用交叉熵损失训练2个不同的特定分类器,之后交换不同分类器使用对抗一致性损失训练,将行人的特征映射到高维空间。接着在多补丁特征学习阶段,使用三元组损失和多补丁相关性损失对全样本数据集进行训练,使得高维空间的相同行人特征相互聚集,不同行人特征相互远离。最后在数据集Market-1501和DukeMTMC-ReID上进行实验,首位准确率分别达到了95.9%和88.7%。结果表明,所提模型提取的多补丁特征具有较好的判别力。