适于行人重识别的二分支EfficientNet网络设计

作     者：尹梓睿 张索非 张磊 吴晓富 Yin Zirui;Zhang Suofei;Zhang Lei;Wu Xiaofu

作者机构：南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学物联网学院江苏南京210003 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2020年第36卷第9期

页      面：1481-1488页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61372123 61701252) 

主　　题：行人重识别 特征提取 效率网络 多分支结构 

摘      要：鉴于ResNet的强大表达能力,其在行人重识别领域获得了广泛的应用。虽然基于ResNet50构建的行人重识别网络取得了优异的性能,但流行的ResNet50仍存在模型体积大、效率低等局限性。与之相比,EfficientNet作为一种新兴的深度模型,具有设计合理、运行高效等特点,并在ImageNet数据集上有着更出色的性能表现。为此,本文尝试将EfficientNet系列网络引入到行人重识别领域,替代比较流行的ResNet50主干网络,提供了一个全新的骨干网基线。本文重点根据EfficientNet系列网络给出一种二分支行人重识别网络构造。相比于ResNet50,基于EfficientNet构造的二分支行人重识别网络具有网络参数规模小、性能提升明显的特点。实验结果表明:所构造的网络在行人重识别流行数据集上均有良好的表现。