融合随机擦除和残差注意力网络的行人重识别

摘要：

传统的行人重识别方法依赖人工构造视觉特征,容易受到其他外界因素的影响,识别精度低.深度学习模型能自主地提取特征,但随着网络层数的加深会出现梯度消失情况,残差网络能缓解梯度消失问题,但提取出的特征信息未被合理使用.行人部分图像被遮挡是影响行人重识别准确性的另一个重要因素.针对上述问题提出了融合随机擦除和残差注意力网络的行人重识别算法.该算法:(1)在残差网络的基础上,引入注意力机制模块,通过强化有用的特征和抑制作用不大的特征来提升网络的判别能力.(2)引入随机擦除的数据增强方法,以便降低过拟合现象,同时提高网络泛化能力,解决行人重识别中遮挡问题.(3)使用triplet loss对融合网络进行监督训练,实现样本在特征空间中达到更好的聚类效果,提升行人重识别的准确率.实验表明,该算法在Market-1501数据集和DukeMTMC-reID数据集上能获取较高的识别精度.

关键词：行人重识别;随机擦除;残差网络;注意力机制;深度学习

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：中国博士后基金;陕西省科技厅项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：215-221