可见 - 红外人物再识别的隐性判别知识学习
原文中文，约200字，阅读约需1分钟。发表于：。可见光红外人物再识别是一项具有挑战性的跨模态行人检索任务，该研究提出了一种新颖的隐式判别知识学习网络 (IDKL)，通过提取模态特定和模态共享特征，减少模态风格差异并提升识别知识，实现了对隐含判别信息的利用，进一步强化模态共享特征的独特性，以最小化模态差异。与现有方法相比，实验结果表明 IDKL 网络具有优越性能。
该研究提出了一种新的IDKL网络，用于可见光红外人物再识别任务，通过提取模态特定和模态共享特征，减少模态风格差异并提升识别知识，实现了对隐含判别信息的利用，进一步强化模态共享特征的独特性。实验结果表明，IDKL网络具有优越性能。
