用于行人重识别的多分辨率重叠条带网络

本文通过结合多特征分辨率下的全局与局部信息以及不同的损失函数，解决行人重识别（PReID）问题。许多先前研究使用基于部件的特征或全局特征来解决该问题。在基于部件的表示中，未考虑这些部件之间的空间相关性，而基于全局的表示对空间变化不敏感。本文提出一种基于部件的多分辨率网络模型，该模型使用不同层次的特征。随后将最后两个卷积块的输出水平分块，并以重叠条带成对处理，以覆盖可能位于部件之间的重要信息。我们使用不同的损失函数结合局部与全局信息进行分类。在基准数据集上的实验结果表明，所提方法优于当前最先进的方法。