沈阳自动化所在跨场景持续行人重识别研究方面取得进展
跨场景持续行人重识别技术，是目标检测和目标跟踪的重要环节，通过从连续的数据流中不断学习，随着时间的推移进行非重叠相机检索相同身份的行人。该项技术可用于视频监控、智能安防、多机协同检测等场景。
然而，在跨场景持续行人重识别任务中，往往存在着任务间隔阂和模型表征能力受限等问题，限制了模型在旧知识抗遗忘与新信息自适应学习之间的平衡能力。
近日，中国科学院沈阳自动化研究所机器人学研究室机器智能研究组科研团队提出了一种多样化表征嵌入框架，可有效地提升模型的抗遗忘和自适应学习能力。该框架采用基于Transformer的主干网络，通过最大化嵌入和多重类别令牌技术，为每个实例生成多个表征。为了提升模型的表征能力，科研团队设计了自适应约束模块，通过对多个表征执行整合和判别操作，确保特征多样性的同时消除冗余信息。科研团队还提出了知识更新和知识?；げ呗?，强化模型对新信息适应能力的同时?；だ分丁?/span>在大规模数据集、遮挡场景等11个数据集上，验证了所提方法的有效性。
该研究以Diverse Representations Embedding for Lifelong Person Re-Identification为题发表于IEEE?Transactions?on?Neural?Networks?and?Learning?Systems。沈阳自动化所博士生刘世本为第一作者，范慧杰研究员为通讯作者。
上述研究得到了国家自然科学基金和机器人与智能系统全国重点实验室等项目支持。（机器人学研究室）
附件下载：
