基于多维度注意力机制的行人重识别算法研究

白洋洋; 徐焕宇; 张福龙; 戴昕宇; 丁天

doi:10.13873/J.1000-9787(2024)11-0010-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于多维度注意力机制的行人重识别算法研究

研究与探讨 | 更新时间：2025-09-11

- 基于多维度注意力机制的行人重识别算法研究
- 暂无标题
- 传感器与微系统 2024年第11期页码：10-12+16
- 作者机构：
  
  1. 南京信息工程大学自动化学院
  2. 无锡学院物联网工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(11704377);江苏省高校哲学社会科学研究项目(2022SJYB0986,2022SJYB0987,2022SJYB0982);无锡学院2021年教学改革研究项目(JGYB202107)
- DOI：10.13873/J.1000-9787(2024)11-0010-03
  中图分类号： TP18;TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
白洋洋, 徐焕宇, 张福龙, 等. 基于多维度注意力机制的行人重识别算法研究[J]. 传感器与微系统, 2024,(11):10-12+16.
白洋洋, 徐焕宇, 张福龙, 等. 基于多维度注意力机制的行人重识别算法研究[J]. 传感器与微系统, 2024,(11):10-12+16. DOI： 10.13873/J.1000-9787(2024)11-0010-03.

DOI：

摘要

针对有监督行人重识别算法泛化能力较差的问题，提出一种基于多维度注意力机制的行人重识别算法。该算法引入了一个多维度注意力模块，通过学习行人图像在多个维度上的特征信息，提高行人图像泛化能力。此外，还提出了一个优化损失模块，加速身份损失的收敛，从而提高模型的训练速度。通过将这2个模块结合起来，本文算法在公开数据集Market—1501和DukeMTMC-ReID上进行了大量实验。实验结果表明：所提出的算法能够有效地解决有监督行人重识别算法泛化能力较差的问题。

Abstract

关键词

Keywords

references

Feng Hao,Chen Minghao,Hu Jinming,Shen Dong,Liu Haifeng,Cai Deng.Complementary Pseudo Labels for Unsupervised Domain Adaptation On Person Re-Identification.[J].IEEE transactions on image processing : a publication of the IEEE Signal Processing Society,2021.

Zhong Zhun,Zheng Liang,Luo Zhiming,Li Shaozi,Yang Yi.Learning to Adapt Invariance in Memory for Person Re-identification.[J].IEEE transactions on pattern analysis and machine intelligence,2020.

周刊,胡士强,吴桐.基于深度度量学习的行人重识别方法[J].传感器与微系统,2020(05).

毕君郁.结合行人检测和重识别的人员搜索框架在搜寻走失儿童中的应用分析[J].无线互联科技,2020(05).

杨特春.视频结构化处理技术解析及应用[J].中国公共安全,2016(18).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据