本文着眼于每个班级的分布,并提出了一种在度量学习阶段利用KL散度的新颖的人员重新识别方法。 度量学习不是直接基于图像或特征,而是直接基于分布。 本文的关键思想是假设每个人都是一个分布,一个人的每个图像都是该分布的一个实例。 识别探针成为确定探针属于哪个分布的任务。 此外,它假设一个人的特征服从多元高斯分布,并且不同人的分布仅在特征均值方面不同,但其协方差矩阵相同。 学习过程是在所有分布的特征之间找到全局最优协方差矩阵。 然后通过将KL散度与每个类别(分布)进行比较来对探针进行分类。 本文的主要贡献在于基于分布的度量学习方法的思想,该思想与大多数现有方法大不相同。 由于学习是分布而不是图像之间的学习,因此该模型显着降低了计算成本和计算复杂度,并且比传统方法要快得多,而识别率仍具有相当的竞争力。 丁宗元倪同光等...会议:第四届IAPR亚洲模式识别会议(ACPR)会议地点:南京,PEOPLES R CHINA会议日期:2017年11月26-29日。 卡西亚南京大学学报(自然科学版)。会议论文集2017第四届IAPR亚洲模式识别会议(ACPR)页:417-422出版年:2017