融合注意力与多层次特征提取的行人再识别方法

张荣; 王进; 张天奇; 张琳钰; 万杰

doi:10.13873/J.1000-9787(2023)12-0068-04

Chinese

您当前的位置：

首页 >

文章列表页 >

融合注意力与多层次特征提取的行人再识别方法

研究与探讨 | 更新时间：2025-09-11

- 融合注意力与多层次特征提取的行人再识别方法
- 暂无标题
- 传感器与微系统 2023年第12期页码：68-71+74
- 作者机构：
  
  南通大学信息科学技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学青年科学基金资助项目（62002179）
- DOI：10.13873/J.1000-9787(2023)12-0068-04
  中图分类号： TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
张荣, 王进, 张天奇, 等. 融合注意力与多层次特征提取的行人再识别方法[J]. 传感器与微系统, 2023,(12):68-71+74.
张荣, 王进, 张天奇, 等. 融合注意力与多层次特征提取的行人再识别方法[J]. 传感器与微系统, 2023,(12):68-71+74. DOI： 10.13873/J.1000-9787(2023)12-0068-04.

DOI：

摘要

在行人再识别任务中，仅使用全局特征并不能很好地表示行人特征。提出一种将局部特征与全局特征相融合并嵌入注意力机制的方法。采用2个网络分支结构，分别进行局部和全局特征提取，并且在提取行人特征过程中，嵌入空间注意力机制和通道注意力机制，通过关注图像的局部和全局信息，增强特征表示能力。在数据处理阶段，引入随机加噪与随机擦除的数据增强方法，解决行人再识别过程中物体遮挡及噪声干扰问题，提高模型鲁棒性。在3个数据集上进行实验，将几种先进的行人再识别方法相比较，结果表明，该方法的均值平均精度(mAP)值和Rank—1值更高。

Abstract

关键词

Keywords

references

基于场景迁移与区域对齐的行人再识别[J]. 白健;耿树泽;岑世欣.传感器与微系统,2020(10)

AlignedReID++: Dynamically matching local information for person re-identification[J]. Hao Luo;Wei Jiang;Xuan Zhang;Xing Fan;Jingjing Qian;Chi Zhang.Pattern Recognition,2019

Pose Invariant Embedding for Deep Person Re-identification.[J]. Zheng Liang;Huang Yujia;Lu Huchuan;Yang Yi.IEEE transactions on image processing : a publication of the IEEE Signal Processing Society,2019

ImageNet Large Scale Visual Recognition Challenge[J]. Olga Russakovsky;Jia Deng;Hao Su;Jonathan Krause;Sanjeev Satheesh;Sean Ma;Zhiheng Huang;Andrej Karpathy;Aditya Khosla;Michael Bernstein;Alexander C. Berg;Li Fei-Fei.International Journal of Computer Vision,2015

浏览量

113

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于改进U²-Net的摇床精矿带图像分割方法

基于改进卷积神经网络的膝关节图像分类研究

基于轻量化YOLOv4的火灾检测识别算法