基于注意力机制和多尺度特征融合的行人重新识别
Songlin Liu1,2, Shouming Zhang1, Zijian Diao1
1School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China.
Mathematical biosciences and engineering : MBE
|November 3, 2023
概括
本研究介绍了一种改进的行人重新识别方法,使用注意力机制和多尺度特征融合. 该技术增强了特征提取,大大提高了被封闭的行人检索准确度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 由于姿势变化和闭塞,行人重新识别 (Re-ID) 模型难以准确.
- 当前的网络往往无法完全捕捉基本的行人特征,从而限制了性能.
- 需要强大的Re-ID方法,可以处理现实世界的复杂性.
研究的目的:
- 为了提高行人重新识别的准确性,特别是在具有挑战性的条件下,如闭塞.
- 开发一种结合注意力机制和多尺度特征融合的新方法,以改善特征表示.
- 解决现有的Re-ID模型在特征提取和表达方面的局限性.
主要方法:
- 一个与ResNet50骨干网络集成的交叉关注模块.
- 多尺度特征融合模块,从各种网络深度提取和结合特征.
- 用于培训和测试的功能增强技术和有效的检索策略.
主要成果:
- 在部分REID上达到70.1%的排名-1准确度,在部分iLIDS上达到65.6% (封闭数据集).
- 在Market1501上达到95.9%的排名-1准确度,在DukeMTMC-reid数据集上达到89.9%.
- 展示了高的mAP和mINP得分,表明在各种数据集中表现出卓越的性能.
结论:
- 拟议的方法显著改善了突出的行人特征的提取.
- 通过结合注意力和多尺度融合,有效地克服了闭塞和姿势变化带来的挑战.
- 该方法在行人重新识别的准确性和稳定性方面取得了重大进展.
