基于度量正则化的红外与可见光跨模态行人重识别算法

摘要

红外与可见光跨模态行人重识别对提升智能视频监控系统的全天作战能力具有重要作用。现有跨模态行人重识别方法通常专注于特征对齐,未重视多模态度量对齐,导致重识别对模态变化不够鲁棒。为此,提出一种基于度量正则化的红外与可见光跨模态行人重识别算法。首先,设计度量正则化损失函数,用于约束不同模态检索模式下匹配行为的差异,提升算法的鲁棒性。其次,考虑到实际监控场景中红外图像的数量少于可见光图像的数量,利用模态数据比例修正交叉熵损失函数,减少模态数据不平衡对模型训练的不利影响。实验结果证明了所提算法的优越性,例如在RegDB数据集由可见光检索红外图像的首位识别率达到89.52%。