10.3778/j.issn.1002-8331.2205-0390
基于IBN-Net和通道注意力的行人重识别方法
针对因拍摄的行人图像模糊、遮挡、姿势、视角、颜色、风格和亮度不同等不良因素的影响,行人重识别任务难以提取具有判别力的特征,设计了一种基于IBN-Net和双池通道注意力模块的新颖网络IBNC-Net.以IBN-Net50-a作为骨干网络学习不因图像风格、颜色和亮度等外观变化而变化的特征;在不同的网络层嵌入双池通道注意力模块DPCAM,抑制无关特征,增强具有判别力的特征;引入广义平均池化GeM,通过模型训练自动调整池化尺度.为了验证提出的IBNC-Net方法的有效性,在三个流行的数据集上进行实验,包括Market1501、DukeMTMC-ReID和CUHK03.IBNC-Net模型的Rank-1分别达到了95.6%、91.2%和80.5%,mAP分别达到了89.1%、80.3%和79.4%,实验结果表明,所提方法能够有效提高行人重识别模型的性能.
行人重识别、深度学习、注意力机制、计算机视觉
59
TP391.4(计算技术、计算机技术)
国家重点研发计划;河南省重大公益专项
2023-09-18(万方平台首次上网日期,不代表论文的发表时间)
共9页
143-151