针对目前行人重识别存在背景混乱、遮挡干扰、姿势不对齐、解释性不足等问题，提出了一种基于多尺度特征的行人重识别属性提取新方法。通过中间层学习模块学习属性并按属性分组卷积，以增强模型的可解释性；通过选择对比中间的属性特征，减少干扰特征的影响。本文方法在3个常用的公开数据集上测试并与其他方法进行了对比，实验结果表明，该方法可以有效提取中间层的语义信息，并且在跨数据集上测试优于其他方法。
科研之友
微信
新浪微博
Facebook
分享链接
