计算机工程与应用

2020, v.56;No.963(20) 152-157

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

时域模型对视频行人重识别性能影响的研究
Research on Impact of Different Temporal Modeling Methods on Video-Based Person Re-identification

项俊;林染染;黄子源;侯建华;

摘要(Abstract):

行人重识别是计算机视觉领域一个重要的研究方向。近年来,随着视频监控需求的日益增长,基于视频序列的行人重识别研究受到了广泛的关注。典型的视频序列行人重识别系统由三部分构成:图片特征提取器(例如卷积神经网络)、提取时域信息的时域模型、损失函数。在固定特征提取器和损失函数的前提下,研究不同时域模型对视频行人重识别算法性能的影响,包括时域池化、时域注意力、循环神经网络。在Mars数据集上的实验结果表明:与基于图像的行人重识别基准算法相比,采用时域池化模型、时间注意力模型可以有效改善识别精度,但采用循环神经网络后识别效果比基准算法有所下降。

关键词(KeyWords): 视频行人重识别;深度神经网络;特征提取;时域模型

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(No.61671484,No.61701548);; 湖北省自然科学基金(No.2018CFB503);; 中南民族大学中央高校基本科研业务专项(No.CZY19039)

作者(Author): 项俊;林染染;黄子源;侯建华;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享