Interacción de alto orden y red de convoluciones de ondas para la reidentificación de personas en el infrarrojo...

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Aprendizaje automático

Sus antecedentes:

• La reidentificación de personas por infrarrojos visibles (VI-ReID) se enfrenta a desafíos debido a las discrepancias transversales y la baja calidad de imagen.
• Los métodos actuales de aprendizaje profundo a menudo pierden características primitivas cruciales durante la abstracción de alto nivel.

Objetivo del estudio:

• Proponer la Red de Interacción de Alto Orden y Convolución de Ondas (HIW-Net) para hacer frente a la pérdida de información en VI-ReID.
• Mejorar la extracción de características mediante la integración de características primitivas y el empleo de la convolución wavelet.

Principales métodos:

• Desarrollado HIW-Net, integrando características primitivas en múltiples etapas de interacción.
• Utilizó la convolución wavelet para la minería de diversas características y la extracción de características mejoradas.
• Creado el conjunto de datos RegDB_shape utilizando el Modelo Segmento Cualquier cosa (SAM) para el aumento de entrenamiento.

Principales resultados:

• HIW-Net demostró un rendimiento superior en comparación con los métodos de última generación en los conjuntos de datos SYSU-MM01 y RegDB.
• El método propuesto compensa efectivamente la pérdida de información en las representaciones de orden superior.
• La convolución de Wavelet contribuyó a una extracción de características más completa.

Conclusiones:

• HIW-Net ofrece un avance significativo en la reidentificación de personas en el infrarrojo visible.
• La integración de las características primitivas y la convolución wavelet resulta eficaz para las discrepancias entre modos.
• El conjunto de datos RegDB_shape ayuda a mejorar la formación del modelo VI-ReID.