基于全局特征和多种局部特征的行人重识别

• 作者: 朱宽堂 张建勋 谭暑秋
• 学科: 工学
• 关键词: 行人重识别 多种方法 多分支网络 通道注意力 局部特征
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 人工智能与算法
• 页码范围: 43-50
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19304/J.ISSN1000-7180.2021.0837

摘要

能否提取具有区别度的行人特征是行人重识别问题的关键所在.该文在ResNet-50的基础上,提出一种使用多种方法提取特征的多分支网络结构(MMNet).该网络将多种方法以一种巧妙的方式组合起来,从而解决行人姿态变化、部分遮挡等引起的行人判别特征信息缺失问题.在第一个分支中提取行人的全局特征,在第二个分支中使用通道注意力模块提取想要关注的局部特征,在第三个分支中将骨干网络提取的特征水平均匀的分割成不同的块,从而提取出不同粒度的局部特征,接着使用批量难样本三元组损失函数和softmax损失函数联合训练模型.最终使用不同分支提取的特征串联在一起作为最终特征.通过行人的全局特征和多种局部特征相互补充,从而提取出更有区别度的行人特征.算法在Market-1501和DukeMTMC-reID数据集上的平均精度均值和首位命中率分别达到87.7％和95.9％、79.9％和89.2％.试验结果表明,使用多分支网络提取的特征具有互补性,且平均精度均值和首位命中率比大多数行人重识别算法高.