基于全局多粒度池化的可见光红外行人重识别

来源：电子测量技术杂志2022年第1期北京时间：

作者：周 航，黄春光，程 海

单位：黑龙江大学 电子工程学院 哈尔滨 150000

摘要：可见光红外行人重新识别是一种跨模态检索的问题。由于可见光和红外图像模态差异较大，能够精确的匹配行人仍然具有很大的挑战。最近的研究表明，利用池化描述身体部位的局部特征以及人图像本身的全局特征，即使在身体部位缺失的情况下，也能给出鲁棒的特征表示，但是简单的全局平均池化很难获取行人的细节特征。针对这个问题，本文提出一种新的全局多粒度池化的方法，利用全局平均池化和全局最大池化结合的方法，提取行人更多的背景和纹理信息。此外，传统的三元组损失在跨模态行人重识别上效果并不好。我们设计了一种新的跨模态三元损失，以优化类内和类间距离，并监督网络学习有区别的特征表示。本文通过实验证明了所提方法的有效性，并在RegDB和SYSU-MM01数据集上分别取得了88.01%Rank-1，79.26%mAP，和60.24%Rank-1，57.50%mAP的结果。

关键词：全局多粒度池化; 可见光红外行人重识别; 困难跨模态三元损失

基金资助：国家自然科学基金青年基金（51607059），黑龙江大学基础科学研究项目（KJCX201904）（2020-KYYWF-1001）