摘要
بالنظر إلى وجود اختلافات كبيرة داخل الفئة بين الكاميرات المختلفة، والتغيرات التي تحدث لبعض المشاة مثل تغيير الملابس والتي تؤدي إلى تراجع في التعرف، تم اقتراح إطار تعلم مشترك يدمج بين توليد البيانات باستخدام شبكة التنافسية التوليدية (GAN) وتعليم إعادة التعرف على المشاة بشكل متكامل. أولاً، بناءً على شبكة DGNet، تم استبدال كتل الباقي ResBlock في المولد والمميز بكتل DenseBlock لتعزيز نقل المميزات وتجنب مشكلة اختفاء التدرجات. ثم يقوم وحدة التوليد بإنتاج صور مركبة عالية الجودة من خلال تبديل ترميز المظهر والتركيب. وأخيرًا، تضاف آلية انتباه جديدة (NAM) في وحدة التمييز لكبح الأوزان الأقل أهمية والتركيز أكثر على مناطق الهدف المطلوبة. يتم إرجاع الصور المُولّدة من وحدة التوليد إلى وحدة التمييز عبر ردود الفعل عبر الإنترنت لتقييم صحة الصور، وفي نفس الوقت يتم إرجاع النتائج إلى وحدة إعادة التعرف على المشاة للتصنيف (وحدة التمييز ووحدة إعادة التعرف مشتركتان). على مجموعات البيانات Market-1501 و DukeMTMC-reID، تبلغ دقة rank-1 و mAP على التوالي 95.7% / 88.6% و 87.1% / 75.7%.
关键词
إعادة التعرف على المشاة; ترميز المظهر; ترميز التركيب; GAN; DenseBlock; NAM
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website