模式识别与人工智能
2025年4月7日 星期一   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (10): 867-878    DOI: 10.16451/j.cnki.issn1003-6059.202010001
“结构化特征学习的目标检测与识别”专辑 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于局部异质协同双路网络的跨模态行人重识别
郑爱华1,2, 曾小强1, 江波1,2, 黄岩3, 汤进1,2
1.安徽大学 计算智能与信号处理教育部重点实验室 合肥 230601;
2.安徽省科学技术厅 安徽省工业图像处理与分析重点实验室 合肥 230039;
3.中国科学院自动化研究所 模式识别国家重点实验室 北京 100190
Cross-Modal Person Re-identification Based on Local Heterogeneous Collaborative Dual-Path Network
ZHENG Aihua1,2, ZENG Xiaoqiang1, JIANG Bo1,2, HUANG Yan3, TANG Jin1,2
1.Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, Anhui University, Heifei 230601;
2.Key Laboratory of Industrial Image Processing and Analysis of Anhui Province, Science and Technology Department of Anhui Province, Hefei 230039;
3.National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing 100190

全文: PDF (2224 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对现有跨模态行人重识别方法忽略行人的局部特征及模态间的相互协同的问题,文中提出基于局部异质协同双路网络的跨模态行人重识别方法.首先,通过双路网络提取不同模态的全局特征进行局部精细化,挖掘行人的结构化局部信息.然后,通过标签和预测信息建立跨模态局部信息之间的关联,进行协同自适应的跨模态融合,使不同模态的特征之间相互补充,获得富有判别力的特征.在RegDB、SYSU-MM01跨模态行人重识别数据集上的实验验证文中方法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
郑爱华
曾小强
江波
黄岩
汤进
关键词 行人重识别跨模态局部特征协同融合卷积神经网络    
Abstract:The coordinating fusion between modalities is ignored in the existing cross-modal person re-identification methods in the learning process. In this paper, a strategy for cross-modal person re-identification(Re-ID) based on local heterogeneous collaborative dual-path network is proposed. Firstly, the global features of each modality are extracted by the dual-path network for local refinement, and the structured local information of pedestrians is mined. Then, the local information of different modalities is correlated with the label and prediction information to achieve cooperative adaptive fusion and learn more discriminative features. The effectiveness of the proposed method is demonstrated through comprehensive
Key wordsPerson Re-identification    Cross-Modal    Local Feature    Collaborative Fusion    Convolutional Neural Network experiments on two benchmarks RegDB and SYSU-MM01.   
收稿日期: 2020-07-14     
ZTFLH: TP391.41  
基金资助:新一代人工智能重大项目(No.2018AAA0100400)、国家自然科学基金项目(No.61976002)、安徽省重点研究与开发计划对外科技合作项目(No.201904b11020037)、安徽省高等学校自然科学研究重点项目(No.KJ2019A0033)、模式识别国家重点实验室开放课题基金项目(No.201900046)、安徽大学物质科学与信息技术研究院开放课题资助
通讯作者: 江 波,博士,副教授,主要研究方向为图像匹配、图匹配.E-mail:jiangbo@ahu.edu.cn.   
作者简介: 郑爱华,博士,副教授,主要研究方向为行人、车辆重识别、音视频计算.E-mail:ahzheng214@ahu.edu.cn. 曾小强,硕士研究生,主要研究方向为跨模态行人重识别.E-mail:xqzeng136@foxmail.com. 黄 岩,博士,副教授,主要研究方向为机器学习、模式识别.E-mail:yhuang@nlpr.ia.ac.cn. 汤 进,博士,教授,主要研究方向为计算机视觉、模式识别.E-mail:tj@ahu.edu.cn.
引用本文:   
郑爱华, 曾小强, 江波, 黄岩, 汤进. 基于局部异质协同双路网络的跨模态行人重识别[J]. 模式识别与人工智能, 2020, 33(10): 867-878. ZHENG Aihua, ZENG Xiaoqiang, JIANG Bo, HUANG Yan, TANG Jin. Cross-Modal Person Re-identification Based on Local Heterogeneous Collaborative Dual-Path Network. , 2020, 33(10): 867-878.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202010001      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I10/867
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn