首页 > 《中国计量大学学报》 > 2017年4期 > DGD卷积神经网络行人重识别

DGD卷积神经网络行人重识别

在线阅读下载PDF 导出详情

摘要行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

DOI g4q1lk7od8/1807200

作者杨忠桃;章东平;杨力;井长兴

机构地区不详

出处《中国计量大学学报》 2017年4期

关键词卷积神经网络样本相对距离欧氏距离

分类 [机械工程][测试计量技术及仪器]

出版日期 2017年04月14日（中国期刊网平台首次上网日期，不代表论文的发表时间）