结合注意力和纹理特征增强的行人再识别

• 作者: 李杰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 空间注意力 纹理特征增强 行人属性 行人再识别
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 图形图像|Graphics and Image
• 页码范围: 661-668
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2010046

摘要

针对现有行人再识别算法在处理图像分辨率低、光照差异、姿态和视角多样等情况时,准确率低的问题,提出了基于空间注意力和纹理特征增强的多任务行人再识别算法.算法设计的空间注意力模块更注重与行人属性相关的潜在图像区域,融入属性识别网络,实现属性特征的挖掘;提出的行人再识别网络的纹理特征增强模块通过融合不同空间级别所对应的全局和局部特征,减弱了光照、遮挡等对行人再识别的干扰;最后通过多任务加权损失函数将属性特征和行人特征巧妙融合,避免了由属性异质性造成的再识别精度损失.实验结果表明,该方法在Market-1501和DukeMTMC-reID两大主流行人再识别数据集上的平均精度分别可以达到81.1％和70.1％.