融合Gabor特征与卷积特征的小样本行人重识别
Journal of Shandong University(Engineering Science)（2021）
摘要
针对视频监控环境下采集的可用行人图像数量有限,以及非可靠数据标注导致监督学习算法性能下降等问题,提出一种融合Gabor特征和卷积特征的无监督小样本行人重识别方法.采用Gabor变换提取多尺度、多方向行人纹理和边缘信息,实现小样本行人图像特征级数据增强,进一步通过特征编码消除冗余信息,提升相似度比对效率.采用卷积自编码网络提取行人非线性深度卷积特征,避免监督学习算法对数据标注的依赖性.融合两种异构特征用于行人相似度比对,实现小样本下行人特征数据的拓展,同时实现行人特征判别能力增强.在Market-1501和DukeMTMC-reID数据集的试验中rank-1准确度分别达到74％和67.1％,证明所提网络架构能有效提升小样本行人重识别的性能.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要