基于多粒度深度特征融合的多尺度行人重识别实验设计

摘要：

为了增强学生对电子信息类课程关联知识体系的理解,该文将课堂教学与实验设计相结合,提出一种基于多粒度深度特征融合的多尺度行人重识别网络(multi-scale person re-identification based on multi-granularity depth fusion network,MSMG-ReID)实验设计,包含全局粗粒度融合特征、局部粗粒度特征、局部注意力细粒度融合特征3个分支.首先,全局粗粒度融合学习分支能够捕获行人身体最显著信息;其次,局部粗粒度融合学习分支从不同区域中提取局部特征,作为对全局特征的补充;最后,局部注意力细粒度融合学习分支引入注意力模块,挖掘行人更深层次特征且消除复杂背景干扰.此外,在局部分支后构建PBNeck模块,防止网络在训练过程中梯度爆炸,并提出联合损失函数对多尺度和机制融合网络进行学习,保证MSMG-ReID模型的鲁棒性.为了验证提出方法的有效性,在行人标准数据集Market-1501、DukeMTMC-reID上展开大量的仿真实验,结果表明,MSMG-ReID学习到的特征具有较强的代表性和辨别力,且明显高于其他行人重识别算法.

关键词：行人重识别;多尺度;注意力机制;局部特征;全局特征

所属期刊栏目：38

分类号：TN957.52

资助基金：教育部教指委教改项目;中国矿业大学教改项目;教育部产学合作协同育人项目;教育部新工科研究;实践项目;国家自然科学基金;安徽省高校省级质量工程项目

在线出版日期：2021-11-29（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：70-76