基于生成对抗网络的跨模态行人重识别研究

摘要

红外图像与可见光图像的跨模态行人重识别是一个备受关注的任务问题。与传统可见光条件下的单一模态行人重识别问题相比,跨模态行人重识别还包含成像原理导致的模态差异的难点。现有方法仅从特征级别增加约束,忽略了模态差异的独特性。为此,文章将分别处理模态差异和外观差异,使用循环生成对抗网络减小模态差异,使用度量学习降低外观差异。同时,还提出一个跨模态的图像融合模块。在RegDB和SYSU-MM01数据集上的实验结果证明了该方法的有效性。