15、图卷积网络与跨域行人重识别技术研究

图卷积网络与跨域行人重识别技术研究

1. 图卷积网络（GCN）概述

图卷积网络（GCN）是近年来提出的用于处理图结构数据的深度学习模型。其核心思想是利用卷积操作实现节点间特征的聚合，以更新节点特征。根据卷积操作的定义，GCN可分为谱方法和空间方法两类：
- 谱方法 ：借助卷积定理在频域实现卷积操作。
- 空间方法 ：直接在图的节点上进行卷积操作。

GCN在处理图结构数据方面表现出色，已被广泛应用于多个领域并取得显著成果，例如：
- 利用GCN完成人脸样本间的链接预测，实现更好的人脸聚类。
- 运用GCN生成相互依赖的分类器，解决图像识别问题。
- 提出双流自适应图卷积网络（2s - AGCN），提高动作识别的准确性。

2. GCN在行人重识别（Re - ID）中的应用

行人重识别旨在不同时间或场景下识别指定行人，是计算机视觉领域的热门研究课题，在智能监控系统中具有重要作用。近期一些研究将GCN应用于行人重识别并取得了满意的结果。为了清晰介绍相关研究，可将用于行人重识别的GCN方法分为全局特征和局部特征两类。

2.1 GCN用于全局特征

2.1.1 相似性引导图神经网络（SGGNN）

• 动机 ：以往估计探测 - 图库图像对相似性的方法仅考虑两幅图像的信息，对于困难样本对，仅依靠这些有限信息难以做出正确判断，因此需要寻找图像间有用的内部联系。
• 实现细节 ：