基于向量注意力机制GoogLeNet-GMP的行人重识别方法

作者：孟月波; 穆思蓉; 刘光辉; 徐胜军; 韩九强

来源：计算机科学, 2022, 49(07): 142-147.

DOI：10.11896/jsjkx.210600198

• 行人重识别
• 注意力机制
• GoogLeNet
• 空间金字塔池化
• 损失函数

为了提高行人重识别(Re-ID)的准确率和适用性，提出了一种基于向量注意力机制GoogLeNet的Re-ID方法。首先，将3组图像(锚、正、负)输入到GoogLeNet-GMP网络中，获得分段式特征向量。然后，利用空间金字塔池化(Spatial Pyramid Pooling, SPP)对来自不同金字塔等级的特征进行聚合，并引入注意力机制，通过对代表目标视觉信息的多尺度池化区域进行整合，获得多个语义等级上的可区分性特征。同时，将两个不同损失函数的混合形式作为最终损失函数。在Market-15012和Duke-MTMC3数据集上进行实验，结果表明，相比其他优秀方法，所提方法在Rank-1和mAP指标方面表现更优。

• 单位
  西安建筑科技大学; 华南理工大学