基于二阶混合注意力的行人重识别
基于注意力机制的行人重识别方法更多利用图像中一阶信息,忽略了特征中二阶信息,不能挖掘特征图之间的相关性和细粒度信息.提出一种基于二阶混合注意力的行人重识别算法(second-order mixed attention module,SM AN).二阶混合注意力模块(second-order mixed attention module,SOMA)由二阶通道注意力(second-order channel attention,SOCA)和二阶空间注意力模块(second-order information,SOSA)组成,该方法将全局协方差池函数嵌入到SOCA和SOSA模块中,学习特征中二阶信息.SOCA模块学习特征图之间相关性,SOSA模块则重新为特征图分配权重,关注特征图空间域的细粒度信息.SMAN算法在Market-1501和DukeMTMC-ReID数据集上的首位准确率分别为94.3%和87.1%,mAP分别达到85.7%和74.5%,同时使用类激活图验证SOMA模块的影响,实验表明SMAN算法充分利用特征图的通道域和空间域中二阶信息.算法的性能优于现有的一些基于注意力机制行人重识别方法,甚至接近某些优秀的方法.
行人重识别;注意力机制;二阶信息;全局协方差池
32
TP391.4(计算技术、计算机技术)
黑龙江省自然科学基金;黑龙江教育厅
2021-10-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
645-652