多因素引导的行人重识别数据增广方法研究

摘要

为解决行人重识别研究领域中行人标注图像获取困难的问题，提出一种多因素引导的行人数据增广方法。首先，在生成器网络中设计了一种局部多尺度引导机制，通过特征融合抑制生成图像的局部伪影；其次，提出了长距离相关性引导机制，通过外注意力引导生成图像的长距离依赖，提高生成行人图像的整体视感质量；最后，提出一种抗博弈判别网络，通过嵌入到生成对抗网络，从而构建一种三网络稳定博弈架构模型，增加生成对抗网络训练的稳定性。通过VIPeR、Market-1501、DukeMTMC-reID这3种不同规模数据集的仿真实验，结果表明该方法与目前主流方法相比，mAP与Rank-1精度上均有不同程度的提升，在小规模数据集上的提升较为显著。

关键词

行人重识别 / 生成对抗网络 / 数据增广 / 局部多尺度 / 注意力机制

基金资助

国家自然科学基金（51774090,42002138）; 黑龙江省自然科学基金（LH2020F003）; 河北省自然科学基金（D2023107002）; 黑龙江省属本科高校团队创新基金（2022TSTD-03）; 黑龙江省高等教育教学改革项目（SJGY20210109）