基于原型分散网络的端到端行人搜索方法

作     者：张雯欣 刘玉杰 王兆勇 孙浩淼 李宗民 ZHANG Wenxin;LIU Yujie;WANG Zhaoyong;SUN Haomiao;LI Zongmin

作者机构：中国石油大学(华东)计算机科学与技术学院山东青岛266580 山东石油化工学院大数据与基础科学学院山东东营257061 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2025年第51卷第1期

页      面：269-276页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2019YFF0301800) 国家自然科学基金(61379106) 山东省自然科学基金(ZR2013FM036,ZR2015FM011) 

主　　题：行人搜索 行人重识别 原型 自适应更新 分布稀疏损失 

摘      要：行人搜索旨在全景图像中对目标行人进行定位和识别,可以看作目标检测和行人重识别任务的结合。然而,不同行人的着装相似性和同一行人在多变环境条件下的外观差异,增加了行人身份辨别的难度。为了解决这一问题,提出了一个原型分散网络,通过调整原型的分布情况,增强网络的辨别能力。首先,设计了一个原型增强模块,通过原型特征指导注意力网络的学习并利用K最大池化方法保留更多重要的行人特征,借助原型的指导使网络关注更重要的区域,学习细粒度的行人特征,进而提高网络对相似行人的辨别能力。其次,提出一种自适应更新的原型学习策略,以在原型特征更新时保留更多检测精准的候选框信息。最后,通过分布稀疏损失保证所存储的原型尽可能分散,从而确保网络能识别到行人的可区分性特征。最终在公共的行人搜索数据集CUHK-SYSU和PRW上进行了实验,该方法在平均精度均值(mAP)上分别达到了95.1%和49.8%,在Top-1准确率上分别达到了95.9%和88.5%,有效地提高了行人搜索的准确率。