基于深度学习的行人重识别算法研究

基于深度学习的行人重识别算法研究

0基于深度学习网络的reid行人重建（reid）是在不重叠监控区域内识别同一个人，并在计算机视觉和其他领域引起学术界的关注。从最近相关研究可以发现，深度神经网络被广泛应用于ReID任务。利用大规模的PersonReID数据集，如CUHK03、Market-1501和DukeMTMC-Reid，使采用深度学习网络的ReID取得了很好的性能。目前的一些ReID方法本文的主要思想就是通区域分割，来获得不同粒度的特征，将全局和局部特征以及更细粒度的局部特征，通过一个网络的不同分支得到这些特征，每个分支都对不同的分割块进行特征提取。使得不同级别的网络分支能够关注不同粒度的分辨信息，也能够有效兼顾整体信息。损失函数部分只使用了在深度学习中非常常见的SoftmaxLoss与TripletLoss。1新图式的语义特征编码深度神经网络能够在整个行人图像中提取主体上的近似响应，通过此机制获取行人局部区域特征作为更细粒度的特征，特定语义的分区不需要在局部区域标记出来，将原始图像进行等分就可以。通过实验表明，判别响应的粒度随着水平条带数目的增加确实变得更细。在此原理基础上，提出了采用一种不同粒度的网络，该网络结构是多分支网络，其中一个为全局分支另外两个为局部分支。在该网络的两个局部分支部分，参考中基础网络部分为ResNet-50。然后对ResNet-50进行了调整，使用ResNet-50前三层提取图像的基础特征，将后续部分划分为3个独立的分支，即在高层次的语义级特征采用3个独立分支，分别为全局分支、part-2、part-3。第一个全局分支负责整张图片的全局信息提取，Part-2会将图片分为上下两个部分提取中粒度的语意信息，Part-3会将图片分为上中下三个部分提取更细粒度的信息。这三个分支既有合作又有分工，前面三个低层权重是共享的，后面的高级层每层的权重是独立的，这样就能够像人类认知事物的原理一样即可以看到行人的整体信息与又可以兼顾到多粒度的局部信息。下面两个分支是Part-2跟Part-3，在第四层的位置，初始有一个stride等于2的下采样的操作与全局分支相同，将其stride改成1，相当于没有下采样，这个地方的尺寸就不会缩小，所以Part-2跟Part-3在第五层特征图比全局分支大一倍的尺寸。接下来对part-2跟part-3做一个从上到下的纵向分割，part-2在第五层特征图谱分成两块，part-3对特征图谱从上到下分成三块。在分割完成后，对其进行pooling，相当于求一个最值，采用的是Max-pooling，得到一个2048维的向量。但是part-2跟part-3的操作跟全局分支是不一样的，part-2有两个pooling，目的是强制part-2去学习细节的联合信息。后面从2048维做成256维，这个主要方便特征计算，因为可以降维，更快更有效。在测试的时候，把这8个256维的特征串联一个2048维的特征，用这个特征替代前面输入的图片，使用欧氏距离作为两个行人相似度的度量。2类标签的距离度量采用SoftmaxLoss与TripletLoss。其中SoftmaxLoss可表示为：n为批量，xi为第i个样本的特征，yi为xi对应的类标签，Wj和bj为类j的权重及偏置，C为类的数目。TripletLoss函数公式可表示为：该方法采用欧式距离进行度量，+表示当[]内的值大于零的时候，把[]得到的值作为损失，当[]内的值小于零的时候，损失值为零。当x＿a与x＿n之间的距离<x＿a与x＿p之间的距离加这里写图片描述时，[]内的值大于零，就会产生损失。当x＿a与x＿n之间的距离>=x＿a与x＿p之间的距离加这里写图片描述时，损失为零。3结果与分析3.1gpu/3gjm锚点本次实验采用Anaconda的py-torchframework，SGDmomentum为0.9，Learningrate：0.01(init)，1e-3(40epoch)，1e-4(50epoch)，使用GPU型号为GTX1080Ti、操作系统为Windows10。3.2行人矩形框的检测Market-1501数据集是在清华校园采集得到的。有6个摄像头进行不同角度及场景拍，5个摄像头为高清拍摄，另外1个是较低像素摄像头。共采集到行人1501人、能够检测到的行人矩形框多达32668个。由至少2个及以上数量的摄像头对每个行人进行图像采集，每个摄像头可能拍到行人的多张不同图像。将采集到的数据进行划分，其中训练集含有751人，一共12936张图像，平均每个人有17.2张图像作为训练时的数据；测试集为剩下的750人，一共19732张图像，平均每个人有26.3张测试数据。另外3368张作为query的行人检测矩形框是已经规定好的，在gallery中，通过DPM检测器对图像数据进行检测得到行人检测矩形框。3.3不同网络模型下的仿真结果将多分支卷积神经网络与其他的方法相对比，singlerank-1情况下，采用TriNet方法的准确率为84.9%，采用AACN方法的准确率为85.9%，采用DPFL方法的准确率为88.6%，而本文采用多分支的网络结构可以将准确率提高到90.1