原文服务方: 微电子学与计算机       
摘要:
传统行人重识别方法通过人工进行特征提取,成本较高且难以应用于复杂场景下的识别任务.深度学习应用于行人重识别问题上可以使得模型具有自主提取特征的能力,识别效果有明显提升的同时降低了成本.更深层的网络可以提高网络的特征表达能力,但随着网络层数的增加,网络会出现梯度消失的问题.残差网络可以缓解梯度消失问题,但提取出的特征信息难以被合理使用.本文针对残差网络进行了优化,引入坐标注意力机制模块.通过坐标注意力机制模块强化高贡献率特征信息,弱化低贡献率特征信息来提升网络特征表达能力.影响行人重识别模型识别效果的另一重要因素是行人图像部分存在被遮挡现象,本文引入网格掩膜的数据增强方法,在降低网络过拟合的同时提高网络泛化能力,有效缓解了现实场景中存在行人图像被遮挡的问题.最后使用困难三元组损失对网络进行监督训练。实验结果表明,该算法在CUHK03-Label、CUHK03-Detect、Market-1501和DukeMTMC-reID数据集上其Rank-1值分别达到了78.7%、75.8%、95.7%和89.6%,mAP值分别达到了78.7%、76.3%、73.1%和88.2%.
推荐文章
基于注意力残差机制的细粒度番茄病害识别
细粒度
注意力机制
残差网络
卷积网络
番茄叶片
病害识别
利用残差通道注意力网络的高光谱图像分类
高光谱图像
分类
残差网络
通道注意力
残差通道注意力网络
基于卷积注意力机制和多损失联合的跨模态行人重识别
跨模态行人重识别
深度学习
卷积注意力机制
多损失联合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 融合网格掩膜和残差坐标注意力的行人重识别
来源期刊 微电子学与计算机 学科 工学
关键词 行人重识别 网格掩膜 残差网络 注意力机制 深度学习
年,卷(期) 2022,(5) 所属期刊栏目 图像处理
研究方向 页码范围 30-38
页数 8页 分类号 TP39
字数 语种 中文
DOI 10.19304/J.ISSN1000-7180.2021.1269
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行人重识别
网格掩膜
残差网络
注意力机制
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
总被引数(次)
59060
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导