一种基于全局特征的行人重识别改进算法
基于全局特征的行人重识别算法主要使用交叉熵损失函数和三元组损失函数来监督网络的学习。然而,原始三元组损失函数在增大类间距离的同时并未很好地优化类内距离,为了解决这个问题,提出一种基于全局特征的行人重识别改进算法。该算法是在三元组损失函数的基础上进行改进,即在原始三元组损失函数中引入一项类内距离,使改进后的三元组损失函数能够在增大类间距离的同时减小类内距离。在Market1501、DukeMTMC-reID和CUHK03数据集上进行大量实验,实验结果表明所提算法得到的特征具有更强的判别性,在基于全局特征的模型中可以取得最优的性能,接近甚至超过一些基于局部特征的模型。