基于邻域相似度的行人重识别重排序算法

在行人重识别模型中引入邻域数据关系，提出了一种基于图像邻域相似度的重排序方法。首先扩充图像的邻域数据，然后计算图像对不同邻域数据的相似度权重，利用该权重得到代表邻域相似度的分布距离，再用分布距离与原始距离计算得出最终距离作为重排序评判标准。使用CCL,Transreid, Torchreid等行人重识别模型在Market-1501,DukeMTMC-reID数据集上进行实验，结果表明本文方法对基准模型的精度提升均超过该领域的主流算法，证实了本文方法的有效性和泛化性。该重排序方法不需要任何人工交互和额外数据，适用于大规模数据集，可以有效应用于图像检索、目标跟踪等需要考虑相似度关系的任务中。