基于软掩膜前景分割和多信息融合重排序的行人重识别方法

为了提升行人重识别算法的检索准确率,提出了基于软掩膜前景分割和多信息融合重排序的行人重识别算法。通过基于U-Net的软掩膜前景分割算法去除图像背景信息,同时减缓图像分割边界的突变,以保留图像中行人的关键信息;通过基于孪生深度网络的多信息融合重排序算法融合行人图像的多种信息,提升检索结果质量。实验结果表明,提出的两种方法是对行人重识别算法流程的有效补充,可作为提升准确率的有效方法应用于多数现有行人重识别算法中。