论文部分内容阅读
针对目前现有行人再识别方法训练样本不足的问题,利用语义分割方法将样本图像中的行人区域与背景分离,对背景区域使用生成式对抗网络(GAN)完成图像场景迁移,在保留行人特征的前提下对现有数据集进行扩充。针对数据集中行人区域未对准的情况,提出基于语义分割的滑动窗口行人对准方法,并根据数据集的扩充和对准在残差卷积神经网络结构ResNet—50中加入全局特征分支。实验中使用公共数据集Market—1501和DukeMTMC-reID对上述方法进行测试,在Rank—1指标上分别取得了91.4%和81.1%的准确率。