典型文献
融合多尺度注意力和双向LSTM的行人重识别
文献摘要：
将深度学习应用于行人重识别领域,嵌入多尺度注意力融合模块至神经网络中进行多尺度特征提取和表示,可有效提升注意力机制对深度学习网络的识别性能.提出了一种基于SE block的多尺度通道注意力融合模块,并结合ResNet50卷积神经网络提取特征;然后通过双向LSTM网络进一步提取特征序列上下文信息,在提高模型对图像重要特征的提取能力的同时,降低对图像冗余特征的关注度;最后使用级联难采样三元组损失函数和交叉熵损失函数共同训练网络模型,使样本能够在高维特征空间中实现聚类,进一步提升模型识别准确性.所提出算法在Market1501数据集和CUHK03数据集分别进行实验,并在同等条件下和其他注意力模块算法进行比较.为进一步验证各模块作用,对算法进行消融实验,以验证各模块的有效性,实验结果表明,所提出方法可有效应用于行人重识别.
文献关键词：
注意力机制;卷积神经网络;行人重识别;深度学习;LSTM
中图分类号：
作者姓名：
闫昊雷;李小春;张仁飞;张磊;邱浪波;王哲
作者机构：
空军工程大学信息与导航学院,西安,710077;武警陕西省总队,西安,710054;陕西省信息化工程研究院,西安,710061;陆军装备部,北京,100000
文献出处：
引用格式：
[1]闫昊雷;李小春;张仁飞;张磊;邱浪波;王哲-.融合多尺度注意力和双向LSTM的行人重识别)[J].空军工程大学学报,2022(05):71-76
A类：
B类：
多尺度注意力,行人重识别,学习应用,注意力融合,多尺度特征提取,注意力机制,深度学习网络,识别性,SE,block,多尺度通道注意力,ResNet50,提取特征,特征序列,列上,上下文信息,特征的提取,冗余特征,三元组损失,交叉熵损失函数,本能,高维特征空间,模型识别,Market1501,CUHK03,同等条件,注意力模块,消融实验,有效应用
AB值：
0.333985
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
