论文部分内容阅读
由于摄像机视角造成的类内差异明显,研究学者开始利用GAN扩充数据保持类内不变性。针对现有GAN生成图像模糊、背景不真实,本文提出一种利用姿态与外观特征混合编码的行人再识别算法。在训练阶段,将人物图像分解为姿态特征和外观特征,生成网络通过切换外观特征与姿态特征,混合两幅图像中的特征生成高质量图像。判别网络将生成图像的外观特征反馈给生成网络的外观编码器以实现联合优化,采用多损失联合进一步提高生成图片的质量。在测试阶段,使用原数据集对网络模型进行测试,在Market-1501和DukeMTMC-reID数