基于向量注意力机制GoogLeNet-GMP的行人重识别方法

基于向量注意力机制GoogLeNet-GMP的行人重识别方法

TP391; 为了提高行人重识别(Re-ID)的准确率和适用性,提出了一种基于向量注意力机制GoogLeNet的Re-ID方法.首先,将3组图像(锚、正、负)输入到GoogLeNet-GM P网络中,获得分段式特征向量.然后,利用空间金字塔池化(Spatial Pyramid Pooling,SPP)对来自不同金字塔等级的特征进行聚合,并引入注意力机制,通过对代表目标视觉信息的多尺度池化区域进行整合,获得多个语义等级上的可区分性特征.同时,将两个不同损失函数的混合形式作为最终损失函数.在M arket-15012和Duke-MTMC3数据集上进行实验,结果表明,相比其他优秀方法,所提方法在Ra...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:计算机科学 2022, Vol.49 (7), p.142-147
Hauptverfasser: 孟月波, 穆思蓉, 刘光辉, 徐胜军, 韩九强
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:TP391; 为了提高行人重识别(Re-ID)的准确率和适用性,提出了一种基于向量注意力机制GoogLeNet的Re-ID方法.首先,将3组图像(锚、正、负)输入到GoogLeNet-GM P网络中,获得分段式特征向量.然后,利用空间金字塔池化(Spatial Pyramid Pooling,SPP)对来自不同金字塔等级的特征进行聚合,并引入注意力机制,通过对代表目标视觉信息的多尺度池化区域进行整合,获得多个语义等级上的可区分性特征.同时,将两个不同损失函数的混合形式作为最终损失函数.在M arket-15012和Duke-MTMC3数据集上进行实验,结果表明,相比其他优秀方法,所提方法在Rank-1和mAP指标方面表现更优.
ISSN:1002-137X
DOI:10.11896/jsjkx.210600198