Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Improving Slice-Based Model for Person Re-ID with Multi-Level Representation and Triplet-Center Loss Memperbaik Model Berasaskan Slice untuk ID Semula Orang dengan Perwakilan Berbilang Tahap dan Kehilangan Pusat Tiga Tiga

Yusheng ZHANG, Zhiheng ZHOU, Bo LI, Yu HUANG, Junchu HUANG, Zengqun CHEN

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Pengenalan Semula Orang telah menerima kajian yang meluas dalam beberapa tahun kebelakangan ini dan mencapai kemajuan yang mengagumkan. Kaedah cemerlang terkini mengekstrak ciri diskriminasi dengan menghiris peta ciri rangkaian saraf dalam kepada beberapa jalur. Masih terdapat peningkatan pada gabungan ciri dan strategi pembelajaran metrik yang boleh membantu mempromosikan kaedah berasaskan kepingan. Dalam kertas kerja ini, kami mencadangkan rangka kerja baru yang boleh dilatih hujung ke hujung, dipanggil Rangkaian Berasaskan Slice Berbilang Peringkat (MSN), untuk menangkap ciri dalam kedua-dua peringkat dan bahagian badan yang berbeza. Model kami terdiri daripada seni bina rangkaian dwi-cawangan, satu cawangan untuk pengekstrakan ciri global dan cawangan lain untuk yang tempatan. Kedua-dua cawangan memproses ciri berbilang peringkat menggunakan modul yang sama ciri piramid. Dengan menggabungkan ciri global dan tempatan, ciri tersendiri dieksploitasi dan dibandingkan dengan betul. Selain itu, kaedah cadangan kami secara kreatif memperkenalkan kehilangan pusat tiga kali ganda untuk menghuraikan fungsi kehilangan gabungan, yang membantu melatih rangkaian pembelajaran bersama. Dengan menunjukkan eksperimen komprehensif pada set data penilaian arus perdana termasuk Market-1501, DukeMTMC, CUHK03, ini menunjukkan bahawa model cadangan kami berjaya mencapai prestasi cemerlang dan mengatasi banyak pendekatan sedia ada. Sebagai contoh, pada set data DukeMTMC dalam mod pertanyaan tunggal, kami memperoleh hasil yang hebat dari Rank-1/mAP =85.9%(+1.0%)/74.2%(+4.7%).

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E102-D No.11 pp.2230-2237
Tarikh penerbitan
2019/11/01
Diumumkan
2019/08/19
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2019EDP7067
Jenis Manuskrip
PAPER
kategori
Pengecaman Imej, Penglihatan Komputer

Pengarang

Yusheng ZHANG
  South China University of Technology
Zhiheng ZHOU
  South China University of Technology
Bo LI
  South China University of Technology
Yu HUANG
  South China University of Technology
Junchu HUANG
  South China University of Technology
Zengqun CHEN
  South China University of Technology

Kata kunci

Contents [show]