Abstract：
目前无监督行人再识别是直接利用全局特征计算相似性,这会导致伪标签生成质量不佳,并且基于卷积神经网络的方法可能会产生细节丢失.针对这些问题,本文设计了一种基于局部特征融合的无监督行人再识别网络,通过随机滑窗的图像编码方式来解决信息丢失问题.为了产生可靠的伪标签,通过Vision Transformer独有的＂抛弃特征＂作为局部变量来计算局部相似性,并且融合摄像头相似性以提高总体样本相似性计算的准确性,提升伪标签生成的质量.实验结果表明,该方法在公开数据集Market-1501和DukeMTMC-reID上可以大幅提升模型性能.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福建电脑
ISSN： 1673-2782
Year： 2023
Issue： 12
Volume： 39
Page： 8-14
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
