典型文献
基于向量注意力机制GoogLeNet-GMP的行人重识别方法
文献摘要：
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-GM P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M arket-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.
文献关键词：
行人重识别;注意力机制;GoogLeNet;空间金字塔池化;损失函数
中图分类号：
作者姓名：
孟月波;穆思蓉;刘光辉;徐胜军;韩九强
作者机构：
西安建筑科技大学信息与控制工程学院 西安710055;人工智能与数字经济广东省实验室(华南理工大学) 广州510000
文献出处：
引用格式：
[1]孟月波;穆思蓉;刘光辉;徐胜军;韩九强-.基于向量注意力机制GoogLeNet-GMP的行人重识别方法)[J].计算机科学,2022(07):142-147
A类：
arket,MTMC3
B类：
注意力机制,GoogLeNet,GMP,行人重识别,高行,Re,ID,分段式,特征向量,空间金字塔池化,Spatial,Pyramid,Pooling,SPP,视觉信息,尺度池,可区分性,损失函数,Duke,Rank,mAP
AB值：
0.32893
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。
