精细化局部语义与属性学习的行人重识别.pdfVIP

第47卷第10期计算机学报Vol.47No.10

2024年10月CHINESEJOURNALOFCOMPUTERSOct.2024

精细化局部语义与属性学习的行人重识别

肖进胜”吴婧逸郭浩文郭圆赵持恒王银

1（武汉大学电子信息学院武汉430072）

2）（武汉理工大学资源与环境工程学院武汉430070）

摘要行人的随身物品信息与属性描述是提高行人重识别任务性能的有效途径.本文提出了一种精细化局部语

义与属性学习的行人重识别网络，来提取行人的随身物品信息，同时从语义区域中获得行人的属性描述.首先，将

特征聚类方法生成的随身物品区域融合到额外语义模型生成的语义解析结果中，解决目前较多额外语义解析模型

遗漏行人随身物品信息的问题.其次，利用生成的语义区域作为身体标签，网络由全局特征构建这些区域的语义特

征映射，然后从语义特征中预测与之相关的属性信息，增强行人的描述.最后，考虑到行人某些属性之间包含强相

关性，重新构建加权模型来提高某些属性的置信分数，优化属性的预测准确率.将属性预测结果和行人的全局特征

连接在一起，形成行人的鲁棒特征表示.在Market-1501和DukeMTMC-reID属性数据集上的实验表明，所提算法

较基线网络分别得到了3.6%和6.4%的mAP指标增益，可以提高行人重识别任务的性能.

关键词语义分析；属性预测；相关性；行人重识别

中图法分类号TP18DOI号10.11897/SP.J.1016.2024.02387

PersonRe-IdentificationNetworkwithFine-GrainedLocalSemantics

andAttributeLearning

XIAOJin-Shengl)WUJing-Yil)GUOHao-Wen)GUOYuan²WANGYin)

ZHAOChi-Hengl)

1)(SchoolofElectronicInformation,WuhanUniversity,Wuhan430072)

2)(SchoolofResourcesandEnvironmentalEngineering,WuhanUniversityofTechnology,Wuhan430070)

AbstractPedestrianRe-IDentification(PersonRe-ID)aimstosearchforthesamepedestrian

acrossmultipledifferentcameraviews.Duetoitsimportanceinvariouspracticalapplications

suchasvideosurveillanceandcontent-basedimageretrieval,ithasgarneredextensiveattentionin

recentyears.However,thetaskstillfacesnumerouschallenges,includingsignificantvariations

inpedestrianposes,lighting,andbackgroundsindifferentcameraviews.Additionally,the

similarappearanceofclothingamongdi