论文部分内容阅读
行人再识别模型在多目标行人跟踪、行人抓拍去重等应用场景下具有较高应用价值。在较多使用场景中对模型推理速度提出了较高要求,通常行人再识别模型在保证推理速度大幅提高的同时,模型的识别准确率却大幅降低。当前的知识蒸馏方法大多针对分类任务、目标检测任务、分割任务等,而对于行人再识别准确率最为关键的行人特征部分并未做出重点优化。针对模型提取的特征进行蒸馏,模型骨干网络的多个阶段也同时进行辅助蒸馏,将骨干网络为ResNet18的PCB网络的识别准确率提高到与ResNet50相当的水平,相比于蒸馏之前在Marke