行人重识别-全局特征和局部特征(二)

全局特征

全局特征指每一张行人图片的全局信息进行一个特征抽取,得到一个向量,没有包含任何空间信息。没有spatial信息会有问题
行人重识别-全局特征和局部特征(二)

有时候,一个人只有上半身,一个人只有下半身就很蛋疼。所以全局特征会遇到瓶颈。
为了解决这个问题,提出局部特征

局部特征

局部特征是对图像的某一个区域进行特征抽取,最后将多个局部特征融合起来得到最终特征
行人重识别-全局特征和局部特征(二)

  • 切片,从上到下,符合人体拓扑结构
  • 姿态,利用姿态估计模型将人的姿态估计出来,对一些关键姿态点进行特征提取,利用姿态信息得到局部特征
  • 训练一个分割的网络,将整个人都给分割出来,相当于将人体的从背景中分离出来
  • 网格,将图片切块,和feature map的尺寸匹配

以上四种特征是行人重识别里比较常用的特征,一般而言,切片和姿态使用的是最多的,其次是分割

Pre

姿态

行人重识别-全局特征和局部特征(二)

通常会给一个行人定义14个姿态点,通过姿态估计模型可以得到

骨架

两个相邻的姿态点相连形成骨架
常用的姿态估计模型为hourglassnet。openpose

part

利用骨架的节点进行分区域,比如上半部分,下半身之类的,来得到part
行人重识别-全局特征和局部特征(二)

水平池化

水平池化是指将feature map进行水平等分,然后再池化得到的分块局部特征
第一块feature map包含第一块比较大的信息,在以切片为思想的算法之中比较常见

网格特征

将每一个网格拿出来,c通道的向量

行人重识别-全局特征和局部特征(二)

上一篇:Java中PreparedStatement和Statement的用法区别


下一篇:SQL函数实现九九乘法表