双域滤波三元组度量学习的行人再识别

TN911.73%TP391.41; 在图像的捕获、传输或者处理过程中都有可能产生噪声,当图像被大量噪声影响时,许多行人再识别(ReID)方法将很难提取具有足够表达能力的行人特征,表现出较差的鲁棒性.该文主要针对低质图像的行人再识别问题,提出双域滤波分解构建3元组,用于训练度量学习模型.所提方法主要分为两个部分,首先分析了监控视频中不同图像噪声的分布特性,通过双域滤波进行图像增强.然后基于双域滤波分解对图像噪声具有很好的分离作用,该文提出一种新的3元组构建方式.在训练阶段,将双域滤波生成的低频原始图像和高频噪声图像,与原图一起作为输入3元组,网络可以进一步抑制噪声分量.同时优化了损失函数,将3元组损失和对比损失组合使用.最后利用re-ranking扩充排序表,提高识别的准确率.在加噪Market-1501和CUHK03数据集上的平均Rank-1为78.3％和21.7％,平均准确率均值(mAP)为66.9％和20.5％.加噪前后的Rank-1精度损失只有1.9％和7.8％,表明该文模型在含噪情况表现出较强的鲁棒性.