面向行人重识别的通道与空间双重注意力网络

摘要：

针对现实场景下因受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率、行人图片未对齐等因素影响导致行人判别性特征难以获取的问题,设计混合池通道注意模块(HPCAM)和全像素空间注意力模块(FPSAM),并基于这两种注意力模块提出一种通道与空间双重注意力网络(CSDA-Net).HPCAM模块能够在通道维度上抑制无用信息的干扰,增强显著性特征的表达,以提取得到判别性强的行人特征.FPSAM模块在空间维度上增强行人特征的判别能力,从而提高行人重识别的准确率.通过在传统行人重识别深度模型框架中分阶段融入HPCAM模块和FPSAM模块,获得由粗糙到细粒度的注意力特征.实验结果表明,CSDA-Net网络在行人重识别主流数据集CUHK03、DukeMTMC-ReID和Market1501上的Rank-1准确率分别为78.3％、91.3％和96.0％,平均精度均值(mAP)分别为80.0％、82.1％和90.4％,与MGN网络相比,Rank-1准确率分别提升14.9、2.6和0.3个百分点,mAP分别提升13.7、3.7和3.5个百分点,能够提取更具鲁棒性和判别性的表达特征.

关键词：行人重识别、双重注意力机制、行人特征、深度学习、平均精度均值

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61772170

在线出版日期：2022-12-15（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：281-287,295