基于IBN-Net和通道注意力的行人重识别方法

作者：杨永胜; 邓淼磊; 张德贤

来源：计算机工程与应用, 2022, 1-10.

• 行人重识别
• 深度学习
• 注意力机制
• 计算机视觉

针对因拍摄的行人图像模糊、遮挡、姿势、视角、颜色、风格和亮度不同等不良因素的影响，行人重识别任务难以提取具有判别力的特征，设计了一种基于IBN-Net和双池通道注意力模块的新颖网络IBNC-Net。首先以IBN-Net50-a作为骨干网络学习不因图像风格、颜色和亮度等外观变化而变化的特征；其次，在不同的网络层嵌入双池通道注意力模块DPCAM，抑制无关特征，增强具有判别力的特征；然后，引入广义平均池化GeM，通过模型训练自动调整池化尺度。最后，为了验证我们提出的IBNC-Net方法的有效性，在三个流行的数据集上进行实验，包括Market1501、DukeMTMC-ReID和CUHK03。IBNC-Net模型的Rank-1分别达到了95.6%、91.2%和80.5%，mAP分别达到了89.1%、80.3%和79.4%，实验结果表明，所提方法能够有效提高行人重识别模型的性能。