基于動態前景聚焦與偽孿生網絡的跨分辨率行人重識別*

吉海瑞,張寶華

(內蒙古科技大學 信息工程學院,內蒙古 包頭 014010)

行人重識別(Person Re-identification,ReID)旨在研究同一身份行人在非重疊監控場景下的匹配檢索問題.在實際場景中,不同攝像機捕獲的同一行人圖像分辨率差異顯著,直接跨分辨率匹配會使網絡性能下降.

為解決分辨率不匹配問題,JIAO等[1]人提出一種級聯超分辨率(Super Resolution,SR)模型和Re-ID子網絡的方法,通過多尺度的SR網絡重建低分辨率圖像中的高頻信息. WANG等[2]人通過級聯多個GAN網絡,通過尺度自適應放大因子逐步重建低分辨率圖像中的細節,以解決跨分辨率圖像特征不一致問題.這些方法利用級聯圖像超分辨率或GAN網絡的優勢解決跨分辨率問題,而SR和ReID聯合網絡的兼容性問題并未得到有效解決.為此,CHENG等[3]人利用超分辨率技術和行人重識別之間的底層關聯信息增強子網絡之間的兼容性,從訓練策略角度優化超分辨率技術和行人重識別的聯合框架,以提高網絡性能.ZHANG等[4]人利用教師學生模型分階段訓練網絡,以減少跨分辨率圖像之間的特征分布差異.而這些方法卻忽略了如何在超分辨率重建過程中獲取有效的判別區域.

為此,提出了一種基于動態前景聚焦與偽孿生網絡的跨分辨率行人重識別算法.該算法利用動態前景聚焦超分辨率網絡,恢復低分辨率圖像.然后構建偽孿生網絡,實現對不同粒度特征進行自適應特征提取,以學習細粒度局部特征和粗粒度全局特征.

1 基本原理

1.1 網絡框架

整體……