基于行人属性异质性的行人再识别神经网络模型

来源：计算机工程杂志2018年第10期北京时间：

作者：吴彦丞, 陈鸿昶, 李邵梅, 高超

单位：国家数字交换系统工程技术研究中心,郑州 450002

摘要：为提高基于行人属性学习的行人再识别算法识别精度,提出一种改进的行人再识别神经网络模型。该模型基于属性之间的异质性,在神经网络中设计不同的识别方法对各类属性进行识别,以提高行人属性识别的准确率。针对不同属性识别方法损失度量算法的不一致,给出异质属性损失度量函数,使得不同识别方法能在同一个网络模型中进行训练和学习,实现网络参数的最优化。实验结果表明,该模型在Market1501数据集、DukeMTMC数据集和DukeMTMC数据集上的首位准确率分别达到88.13%、74.96%和77.64%。

关键词：行人再识别,异质性,深度学习,属性分类,回归预测,多分类

基金资助：国家自然科学基金(61601513)。