面向行人重识别分集特征挖掘的多分支深度神经网络构造进展
Recent advances on construction of multi branch neural networks for person re identification
  
DOI:
中文关键词:  行人重识别;多分支网络;分集特征; 特征嵌入
英文关键词:person re identification; multi branch neural networks; diverse features; feature embedding
基金项目:国家自然科学基金(61671253)资助项目
作者单位
吴晓富 南京邮电大学通信与信息工程学院,江苏南京210003 
尹梓睿 南京邮电大学通信与信息工程学院,江苏南京210003 
宋越 95958部队,上海200120 
张磊 南京邮电大学通信与信息工程学院,江苏南京210003 
谢奔 南京邮电大学通信与信息工程学院,江苏南京210003 
赵师亮 南京邮电大学通信与信息工程学院,江苏南京210003 
张索非 南京邮电大学 物联网学院,江苏南京210003 
摘要点击次数: 231
全文下载次数: 86
中文摘要:
      随着深度学习的兴起,近年来行人重识别性能提高的关键是如何构建具有分集特征挖掘的深度神经网络以获得行人图像的紧凑表达,而多分支深度神经网络是实现分集特征挖掘的主要途径。文中分析了近年来用于行人重识别多分支深度神经网络的几种主流构建方法,包括局部分割分集、注意力分集、特征遮挡分集、异构支路分集等,并在3个行人重识别数据集Market1501,Duke,CUHK03上对不同算法性能进行了比较分析。基于当前进展,最后还讨论了行人重识别分集特征挖掘的未来研究趋势。
英文摘要:
      With the surge of deep learning, there is increased interest on the design of multi branch neural networks for extracting rich features in person re identification. This paper reviews some recent advances on this topic, including part based approaches, attention based approaches, dropping approaches, and heterogeneous approaches. Various state of the art approaches on the popular pedestrian re identification datasets, including Market1501, Duke and CUHK03, are compared and analyzed, respectively. Finally, future directions of the person re identification with diverse features are discussed.
查看全文  查看/发表评论  下载PDF阅读器

你是第2142271访问者
版权所有《南京邮电大学学报(自然科学版)》编辑部
Tel:86-25-85866913 E-mail:xb@njupt.edu.cn
技术支持:本系统由北京勤云科技发展有限公司设计

欢迎访问《南京邮电大学学报(自然科学版)》编辑部!