光计算

行人重识别的精确度主要取决于行人的特征描述，现有的基于卷积神经网络的方法，对图像的监督信息利用不充分，且容易过拟合。针对这些问题，本文提出了一种全批量学习的模型，通过充分利用图像监督信息和约束样本间的距离关系这两个方面的改进使网络得到判别性强的特征。本文首先通过利用批量内图像之间的距离关系来构造难分负样本对和设置距离门限防止网络过拟合来改进对比损失函数，以达到充分利用图片相似性信息和防止网络过拟合的目的。其次，通过结合分类模型和验证模型，利用了图像的类别信息，使批量内图像的所有监督信息都得到了充分利用。实验中，本文在Market1501、DukeMTMC-reID数据库上对算法的有效性进行验证，实验结果表明，本文算法得到的特征具有更强的判别性，而且本文算法的平均识别精确率优于大多数先进算法。

陈兵, 查宇飞, 李运强, 张胜杰, 张园强, 库涛. 基于卷积神经网络全批量学习的行人重识别[J]. 光学学报, 2018, 38(7): 2.  复制并引用该论文