面向行人重识别的通道与空间双重注意力网络

作者：曾涛; 薛峰; 杨添

来源：计算机工程, 2022, 48(12): 281-287+295.

DOI：10.19678/j.issn.1000-3428.0063136

• 行人重识别
• 双重注意力机制
• 行人特征
• 深度学习
• 平均精度均值

针对现实场景下因受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率、行人图片未对齐等因素影响导致行人判别性特征难以获取的问题，设计混合池通道注意模块（HPCAM）和全像素空间注意力模块（FPSAM），并基于这两种注意力模块提出一种通道与空间双重注意力网络（CSDA-Net）。HPCAM模块能够在通道维度上抑制无用信息的干扰，增强显著性特征的表达，以提取得到判别性强的行人特征。FPSAM模块在空间维度上增强行人特征的判别能力，从而提高行人重识别的准确率。通过在传统行人重识别深度模型框架中分阶段融入HPCAM模块和FPSAM模块，获得由粗糙到细粒度的注意力特征。实验结果表明，CSDA-Net网络在行人重识别主流数据集CUHK03、DukeMTMC-ReID和Market1501上的Rank-1准确率分别为78.3%、91.3%和96.0%，平均精度均值(mAP)分别为80.0%、82.1%和90.4%，与MGN网络相比，Rank-1准确率分别提升14.9、2.6和0.3个百分点，mAP分别提升13.7、3.7和3.5个百分点，能够提取更具鲁棒性和判别性的表达特征。

• 单位
  合肥工业大学