多层次细粒度特征三分支网络行人重识别方法

针对行人重识别中信息丢失导致判别性信息缺失的问题,提出了一种多层次细粒度特征三分支网络行人重识别方法.首先,在ResNet50网络上构建中层全局特征分支、多层次全局特征分支和局部特征分支,全局分支提供更加全面的特征表示,局部特征分支提供细粒度的特征表示;其次,在三分支网络上改进了损失函数,使用权重向量和特征向量归一化以消除向量模的影响,通过构建难样本三元组损失以解决类间相似、类内差异分类问题;最后,在Market-1501和DukeMTMC-reid两个数据集上进行实验,rank-1达到了94.0％和87.4％,mAP达到了85.7％和75.5％.和现有的八种方法进行对比实验,结果表明本文方法在行人重识别中具有更好的准确率和精度.