一种基于距离选择的强判别特征学习的行人重识别方法

摘要

本发明公开了一种基于距离选择的强判别特征学习的行人重识别方法，属于计算机视觉领域中的图像检索方向，主要结合强判别特征表征行人的整体信息，用一种有效方法解决局部特征的对齐问题，最终结合多类损失联合训练网络。在G‑Net模块中引入中心损失，将多类损失归一到同一球面上，并定性的度量不同类别之间的距离。算法主要包括：数据增强操作、多分支网络三个模块损失函数的设计、解决局部区域未对准可能导致空间语义不一致方法；本文方法联合全局特征与局部特征并结合多种度量学习方法来优化网络参数，并针对局部区域对齐问题提出了一种基于距离选择的强判别特征学习方法，在不增加训练成本的情况下进一步提升检索的精度，使用价值高，可扩展性强。