基于改进AlignedReID++的行人重识别方法

摘要

由于行人姿态变化的多样性、背景环境的复杂性等因素的干扰，会导致行人特征的表达能力不足，进而影响到行人重识别的准确性。本文基于深度学习的AlignedReID++模型进行改进，将DenseNet121网络与AlignedReID++模型的主干网络ResNet50融合，利用两者的优点，增强模型的特征提取能力；通过引入跨维交互注意力模块和正则化项，限制模型的复杂度，增强表达特征能力，提高泛化性能，进而提升重识别能力。将改进模型在Market1501、DukeMTMC数据集上进行验证，实验结果表明，相较于原始模型，平均精度均值在Market1501数据集上提升了5.6个百分点；在DukeMTMC数据集上提升了5.9个百分点，表明了改进后算法的有效性。

关键词

行人重识别 / 深度学习 / DenseNet121 / 特征提取 / AlignedReID++

基金资助

辽宁省属本科高校基本科研业务费专项资金资助项目(LJ212410144053)