计算机学院程科教授团队在模式识别与人工智能领域国际顶级期刊《Pattern Recognition》发表论文

作者: 部门审稿人: 摄影: 视频: 单位:计算机学院 发布时间:2024-10-31 投稿时间: 点击量:10

近日,计算机学院程科教授团队在行人重识别(ReID)研究方向取得新进展,团队研究成果“MSCMNet: Multi-scale Semantic Correlation Mining for Visible-Infrared Person Re-Identification”被模式识别与人工智能领域国际顶级期刊《Pattern Recognition》接受,并在线发表。论文第一作者为2022级硕士研究生华雪成同学,计算机学院程科教授为通讯作者,江苏科技大学为第一完成单位,江苏科技大学涂娟娟副教授,江苏大学陆虎副教授、河北工业大学王元全教授和江南大学王士同教授为论文共同作者。

https://doi.org/10.1016/j.patcog.2024.111090

行人重新识别(ReID) 是一种检索摄像机拍摄的行人图像中的人物的技术。随着公共安全的日益重视,全天候监控和检索系统在计算机视觉领域引起了极大关注。现有的 ReID 方法主要用于检索 RGB-RGB 图像之间的行人信息。但是现实环境是复杂多变的,除了白天外,大多数在线监控场合都在夜间和低光照条件下。为了解决这个问题,许多全天候监控系统都采用了红外 (IR) 摄像机来捕捉弱光环境下的场景。然而,红外光的较长波长和散射增加会导致可见图像中通常存在的颜色、纹理和细节信息的丢失。因此,由于跨模态差异很大,需要针对RGBIR图像的不同特性设计一种用于可见光-红外行人检测的模型。

为了充分挖掘RGB-IR的模态信息,研究提出了基于深度学习的多尺度语义关联挖掘网络MSCMNet。通过设计多尺度信息关联挖掘块 (MIMB) 探索融合特征的隐含语义关联,并设计四流特征提取器 (QFE) 尽可能保留原始数据的不同的语义信息。最后提出了一种新颖的四中心三元组损失 (QCT) 来处理跨模态特征中的语义信息差异。大量SYSU-MM01RegDB LLCM 数据集上的实验表明我们提出的 MSCMNet VI-RelD 任务中的表现优于目前其他最先进的方法。

Pattern Recognition》被认为是模式识别与人工智能领域的顶级国际期刊之一,创刊于1968年。2023年该期刊的影响因子为8.0,属于中科院计算机科学SCI一区TOP期刊。中国自动化学会(CAA)则将其列为A类推荐期刊,中国计算机学会(CCF)评价该期刊为“国际重要期刊,具有重要的国际学术影响力”。