基于Transformer改进的两分支行人重识别算法

摘要：

针对基于卷积神经网络的行人重识别算法全局信息建模不足的问题,分析了卷积操作的局限性,提出一种基于Transformer改进的全局-局部两分支行人重识别算法.首先利用相对位置编码改进多头自注意力机制,并将其嵌入到 Resnet50 骨干网络中.之后在全局分支中对图像进行空间几何划分并利用Transformer的全局感受野增强抽象特征的提取能力;在局部分支中对Layer_3 输出进行降维监督,利用多尺度池化获得更丰富的局部特征.实验结果表明,该算法在公开数据集Market-1501 和DukeMTMC-reID上的mAP/Rank-1 分别达到了93.45%/95.61%和 88.79%/90.35%,相对于单纯基于卷积神经网络的算法,本文算法达到更高的精度.

关键词：行人重识别、Transformer、卷积神经网络、特征提取、多头自注意力机制

所属期刊栏目：44

分类号：TP181(自动化基础理论)

资助基金：河北省自然科学基金资助项目F2019501012

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32