面向目标再辨识的空间和通道双重显著性挖掘算法

摘要：

现有的目标再辨识方法常用全局特征池化层来聚合深度骨干网络所提取的特征映射以得到最终的图像特征.但是,全局特征池化层忽视了特征映射在空间和通道上的显著性,会限制所得图像特征的鉴别能力.为此,本文设计一个新颖的空间和通道双重显著性挖掘(Spatial Channel Dual Significance Mining,SC-DSM)模块,用于同时从空间和通道两个维度上充分挖掘特征映射的显著性,从而改善所得图像特征的鉴别能力,以提升目标再辨识的准确性.SC-DSM模块包含空间显著性挖掘子模块和通道显著性挖掘子模块.其中,空间显著性挖掘子模块在特征映射上构建空间图,聚合空间维度上的邻居节点特征并学习权重,实现空间显著性挖掘;通道显著性挖掘子模块在特征映射建立通道图聚合通道维度上的邻居节点并学习权重,实现通道显著性挖掘.实验结果表明,在目前最流行的车辆再辨识数据库VeRi776和行人再辨识数据库Market-1501上,所提出的方法能够优于现有的目标再辨识方法.

关键词：目标再辨识、空间显著性、通道显著性、深度学习

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;福建省自然科学基金面上项目;福建省自然科学基金杰出青年项目;厦门市科技重大计划项目;泉州市科技项目;华侨大学中青年教师资助计划;华侨大学研究生科研创新基金资助项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1471-1480