互惠双向生成对抗网络用于跨模态行人重识别

为提高跨模态行人重识别的准确率,提出一种基于互惠双向生成对抗网络的跨模态行人重识别方法.首先,建立两个生成对抗网络以生成跨模态异质图像;其次,设计一种联合损失在可见光与红外图像相互转换过程中拉近隐藏空间特征的分布,促使网络生成更接近真实图像的伪异质图像;最后,通过将原始图像与生成的异质行人图像相结合并输入至区别性特征提取网络中,使得不同模态的图像统一至相同模态,消减了跨模态差异.利用表征学习与度量学习,使网络提取出更具有判别性的行人特征.通过在跨模态数据集SYSU-MM01和RegDB上做对比实验,分析了该方法在不同损失函数下的识别效果.对比于其他前沿跨模态行人重识别方法,这种方法具有更高准确率和更强鲁棒性.