首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
许方洁, 成科扬, 张建明.基于深度学习与属性学习相结合的行人再识别[J].数据采集与处理,2018,33(4):751-757
基于深度学习与属性学习相结合的行人再识别
Pedestrian Re-identification Based on Deep Learning and Attributes Learning
投稿时间:2016-09-18  修订日期:2016-10-28
DOI:10.16337/j.1004-9037.2018.04.019
中文关键词:  行人再识别  深度学习  卷积自动编码器  属性学习
英文关键词:pedestrian re-identification  deep learning  convolutional auto-encoder (CAE)  attribute learning
基金项目:江苏省普通高校研究生科研创新计划(KYLX15_1080)资助项目;国家自然科学基金(61602215)资助项目;江苏省自然科学基金(BK20150527)资助项目;镇江市科技计划(SH2014017)资助项目;江苏大学高级人才科研启动基金(15JDG180)资助项目。
作者单位
许方洁, 成科扬, 张建明 江苏大学计算机科学与通信工程学院, 镇江, 212013 
摘要点击次数: 410
全文下载次数: 1187
中文摘要:
      现实情况中缺少大量有标签数据,导致有监督的行人再识别模型训练受到影响。此外,低层特征的缺乏语义特性限制了行人再识别在行人检索、罪犯追踪等中的应用。本文提出了一种基于深度学习与属性学习相结合的行人再识别方法,利用深度学习的无监督模型提取行人图像的本质特征,并引入"属性"概念增强特征的语义表达能力。首先采用卷积自动编码器进行无监督的特征提取,提取的特征然后交由多个属性分类器进行属性分类,并结合统计获得的属性类别映射关系表计算最终类别判定,最后在VIPeR和i-LIDS标准数据集上进行了测试,并与基于优化属性的行人再识别方法(Optimized attribute based re-identification,OAR)、显著性检测对应法(Salience detection correspondence,SDC)等进行了比较,结果表明本方法能够赋予行人再识别较好的语义性能,并在一定程度上提高了识别的准确率,同时获得了较好的零训练样本识别效果。
英文摘要:
      The lack of much labeled data in the real world affects the training of supervised model for pedestrian re-identification. Besides, applications of pedestrian re-identification in pedestrian retrieving and criminal tracking are limited because of the lack of semantic representation. This paper presents a pedestrian re-identification method based on the combination of deep learning and attributes learning, which extracts essential features with unsupervised deep learning model and enhances the semantic representation of features with ‘attributes’. Firstly, a convolutional auto-encoder (CAE) is used to extract features of unlabeled pedestrian images, and the extracted features are then input into several attribute classifiers to judge whether the pedestrian owns the attributes. Lastly, with a table of ‘attributes-classes mapping relations’, we can get the final dassification result. Tests of the proposed algorithm and comparisons with other algorithms on the VIPeR and i-LIDS datasets are shown, and results prove that our algorithm indeed strengthens the semantic representation and improves the accuracy of pedestrian re-identification, achieving good ‘zero-shot’ re-identification performance as well.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2196132位访问者 本站今日一共被访问6

技术支持:北京勤云科技发展有限公司