结合注意力与批特征擦除的行人重识别模型

作者：郝阿香; 贾郭军

来源：计算机工程, 2022, 48(07): 270-306.

DOI：10.19678/j.issn.1000-3428.0062020

• 行人重识别
• 批特征擦除
• 注意力机制
• 残差网络
• 度量学习

在行人重识别过程中，图像局部遮挡会造成识别准确率下降。提出一种结合注意力和批特征擦除的网络(ABFE-Net)模型，旨在学习具有辨别力的全局特征和局部细粒度特征，提高图像局部遮挡条件下行人特征的表达能力。将轻量级注意力模块嵌入到ResNet-50中自主学习每个通道的权重，通过强化有用特征和抑制无关特征增强网络特征的学习能力，提取行人更具辨别力的全局特征。对于深层特征使用批特征擦除方法，随机擦除同一批次特征图的相同区域，使得网络关注剩余的局部细粒度特征。将两种特征融合得到更加全面的行人特征表示，对其进行相似性度量并排序，得到行人重识别的结果。实验结果表明，与HA-CNN、PCB等方法相比，ABFE-Net模型在Market1501和DukeMTMC-reID数据集上的Rank-1和mAP分别达到94.4%、85.9%和88.3%、75.1%，能够明显增强行人特征的辨别性，提高行人重识别效果。

• 单位
  山西师范大学