基于小波特征与注意力机制结合的卷积网络车辆重识别

作者：廖光锴; 张正; 宋治国

来源：计算机应用, 2021, 1-8.

• 车辆重识别
• 通道注意力
• 像素注意力
• 小波变换
• 卷积神经网络

针对现有的基于卷积神经网络的车辆重识别方法所提取的特征表达力不足的问题，提出了一种基于小波特征与注意力机制结合的车辆重识别方法。首先，将单层小波模块嵌入到卷积模块中，代替池化层进行下采样，减少细粒度特征的丢失；其次，将通道注意力机制和像素注意力机制模块进行融合，得到新的注意力模块嵌入到卷积网络中，对关键信息进行加权强化。在VeRi数据集上与基准残差卷积网络（ResNet-50）做了对比。实验结果表明，在ResNet-50中增加小波分解层数会提高mAP的准确率；在消融实验中表明，虽然ResNet-50+DWT（Discrete WaveletTransform,DWT）比ResNet-101的mAP降低了0.25个百分点，但是参数量和计算复杂度都比ResNet-101低。整体模型的平均精度均值（mAP）达到了63.90%，比ResNet-50高了11.02个百分点；召回率@1（Rank-1）上升了5.21个百分点，召回率@5（Rank-5）上升了2.29个百分点。验证了该模型在车辆重识别中能够有效提高车辆检索精度。

• 单位
  机电工程学院; 吉首大学