基于阶梯型特征空间分割与局部注意力机制的行人重识别

• 作者: 石跃祥 周玥
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 行人重识别 特征空间分割 注意力机制 局部特征
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 模式识别与智能信息处理|Pattern Recognition and Intelligent Information Processing
• 页码范围: 195-202
• 页数: 8页
• 分类号: TN911.73|TP391.41
• 语种: 中文
• DOI: 10.11999/JEIT201006

摘要

为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息.首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重.其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征.在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合.最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证.其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1％和95.6％.实验结果表明,该文所提出的网络模型能够提高行人重识别准确率.