多分支协作OSNet的微结构优化研究

摘要：

OSNet是一种有效的轻量级行人重识别网络,因其兼具有轻量化和高性能的优异特点引起了行人重识别领域的关注.最近的研究表明:多分支协作OSNet网络——BC-OSNet能取得更高的识别率.本文在此基础上继续研究网络微结构的调整对BC-OSNet模型性能的影响,重点通过通用池化GeM、连续高斯Dropout、注意力学习Batch DropBlock(BDB)/Relation-Aware Global Attention (RGA)等微结构的有效融入,研究微结构优化的BC-OSNet性能提升效果.实验结果表明:经微结构优化的BC-OSNet在四个行人重识别数据集Market1501,Duke,CUHK03_ Labeled和CUHK03_ Detected上的mAP分别达到了89.9％,82.1％,84.2％和81.5％,相比初始的BC-OSNet提高0.6％,1.4％,1.1％和1.7％.

关键词：行人重识别、微结构优化、分支协作网络、特征表示

所属期刊栏目：36

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61701252

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1335-1343