用于可见光-红外行人重识别的统一批量全三元组损失

可见光-红外跨模态行人重识别（VI-ReID）旨在匹配可见光与红外模态之间的行人图像，是一项具有挑战性的跨模态图像检索任务。批量硬三元组损失广泛用于行人重识别任务，但其在可见光-红外行人重识别任务中表现不佳。因为它仅优化小批量内每个锚点图像的最难三元组，最难三元组中的样本可能全部属于同一模态，这将导致模态优化的不平衡问题。为解决该问题，我们采用批量全三元组选择策略，选取样本间所有可能的三元组进行优化，而非仅最难三元组。此外，我们引入统一批量全三元组损失与余弦 Softmax 损失，协同优化图像向量间的余弦距离。类似地，我们将针对 VI-ReID 任务提出的异质中心三元组损失改写为批量全形式以提升模型性能。大量实验表明了所提方法的有效性，其大幅优于当前最优方法。