结合注意力与批特征擦除的行人重识别模型

摘要：

在行人重识别过程中,图像局部遮挡会造成识别准确率下降.提出一种结合注意力和批特征擦除的网络(ABFE-Net)模型,旨在学习具有辨别力的全局特征和局部细粒度特征,提高图像局部遮挡条件下行人特征的表达能力.将轻量级注意力模块嵌入到ResNet-50中自主学习每个通道的权重,通过强化有用特征和抑制无关特征增强网络特征的学习能力,提取行人更具辨别力的全局特征.对于深层特征使用批特征擦除方法,随机擦除同一批次特征图的相同区域,使得网络关注剩余的局部细粒度特征.将两种特征融合得到更加全面的行人特征表示,对其进行相似性度量并排序,得到行人重识别的结果.实验结果表明,与HA-CNN、PCB等方法相比,ABFE-Net模型在Market1501和DukeMTMC-reID数据集上的Rank-1和mAP分别达到94.4％、85.9％和88.3％、75.1％,能够明显增强行人特征的辨别性,提高行人重识别效果.

关键词：行人重识别、批特征擦除、注意力机制、残差网络、度量学习

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：山西省互联网+与旅游产业升级协同创新中心项目HLWLY2017012

在线出版日期：2022-09-16（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：270-276,306