基于可变形掩膜对齐卷积模型的行人再识别

摘要

行人再识别是计算机视觉领域的一个重要研究方向,在视频监控等非常广阔的领域有极其重要的应用前景.行人再识别研究中遇到的一个重要挑战就是行人图像对齐问题.利用全卷积模型和全局平均池化操作,提出了一种新的可变形掩膜对齐的深度卷积神经网络模型,它不仅可以解决行人图像对齐问题,而且实现了行人图像的多信息融合.该方法在Market-1501和DukeMTMC-reID两大数据集上进行了验证,整体准确率得到了很大提高.