科研之友
微信
新浪微博
Facebook
分享链接
摘要
跨模态行人重识别任务的难点在于提取出更有效的模态共享特征，为解决该问题，提出基于注意力机制的多损失联合跨模态行人重识别方法。在ResNet50网络中嵌入注意力模型，保留细节信息。将特征切割成六块局部特征，以使网络关注局部深层信息，增强网络的表征能力。对提取出的局部特征列向量进行批归一化处理，并选用交叉熵损失和改进的异质中心损失进行联合监督学习，以加速模型收敛，提升模型精度。所提方法在SYSU-MM01、RegDB数据集下的平均精度（mAP）分别达到56.82%和75.44%，实验结果表明，本文方法有效地提升了跨模态行人重识别精度。
- 单位
