科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前人员再识别方法大多都是使用深度卷积神经网络（Convolution Neural Network,CNN）作为骨干网络，尽管深度卷积网络在分类或对象检测等任务中都很有效，但它们往往只关注对象最具鉴别性的部分，并没有检索所有相关特征。在没有提取到对象所有特征的情况下，会导致深度卷积神经网络在重识别任务中的性能表现不佳。为了让网络可以挖掘更具鲁棒性的特征，同时在执行行人重识别任务时可以有效地应对行人图片中更精细的变化，设计了一个多分支的鲁棒性特征挖掘网络。该网络结合了擦除操作与注意力机制，在不同数据集上均有较好的性能。
-
单位自动化学院; 昆明理工大学
