基于多尺度特征的行人重识别属性提取新方法

摘要：

针对目前行人重识别存在背景混乱、遮挡干扰、姿势不对齐、解释性不足等问题,提出了一种基于多尺度特征的行人重识别属性提取新方法.通过中间层学习模块学习属性并按属性分组卷积,以增强模型的可解释性;通过选择对比中间的属性特征,减少干扰特征的影响.本文方法在3个常用的公开数据集上测试并与其他方法进行了对比,实验结果表明,该方法可以有效提取中间层的语义信息,并且在跨数据集上测试优于其他方法.

关键词：计算机应用、可解释性、行人重识别、多尺度特征

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：吉林省自然科学基金;吉林省科技厅科技发展计划项目

在线出版日期：2023-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1155-1162