基于可解释注意力部件模型的行人重识别方法

作者：周勇; 王瀚正; 赵佳琦^*; 陈莹; 姚睿; 陈思霖

来源：自动化学报, 2023, 49(10): 2159-2171.

DOI：10.16383/j.aas.c200493

• 行人重识别
• 注意力机制
• 可解释深度学习
• 部件模型

大多数行人重识别(Person re-identification, ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3个优点:1)利用注意力掩码提取部件特征,解决部件不对齐问题; 2)为了根据部件的显著性程度生成可解释权重,设计可解释权重生成模块(Interpretable weight generation module, IWM); 3)提出显著部件三元损失(Salient part triplet loss, SPTL)用于IWM的训练,提高识别精度和可解释性.在3个主流数据集上进行实验,验证所提出的方法优于现有行人重识别方法.最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分,证明本方法具有良好的可解释性.

• 单位
  中国矿业大学; 中国矿业大学（北京）