嵌套池化三元组卷积神经网络的行人再识别

针对行人再识别易受遮挡,光照、视角等非理想条件变化的影响,提出一种嵌套池化三元组卷积神经网络.它在均方根池化后依次添加平均池化和最大池化提取全局特征,并通过最短路径损失自动对齐局部特征.然后采用改进型Log-logistic函数代替传统三元组损失函数训练网络,得到与局部特征联合优化的全局特征.在Market-1501、CUHK03和VIPeR数据集上的识别率都比基于传统方法的提高了5％以上.实验结果表明,本文提出的嵌套池化三元组卷积神经网络,能有效解决非理想自然条件下存在的部分遮挡、分辨率低和旋转变化等问题,同时具有良好的泛化能力和适用范围.