典型文献
融合网格掩膜和残差坐标注意力的行人重识别
文献摘要：
传统行人重识别方法通过人工进行特征提取,成本较高且难以应用于复杂场景下的识别任务.深度学习应用于行人重识别问题上可以使得模型具有自主提取特征的能力,识别效果有明显提升的同时降低了成本.更深层的网络可以提高网络的特征表达能力,但随着网络层数的增加,网络会出现梯度消失的问题.残差网络可以缓解梯度消失问题,但提取出的特征信息难以被合理使用.本文针对残差网络进行了优化,引入坐标注意力机制模块.通过坐标注意力机制模块强化高贡献率特征信息,弱化低贡献率特征信息来提升网络特征表达能力.影响行人重识别模型识别效果的另一重要因素是行人图像部分存在被遮挡现象,本文引入网格掩膜的数据增强方法,在降低网络过拟合的同时提高网络泛化能力,有效缓解了现实场景中存在行人图像被遮挡的问题.最后使用困难三元组损失对网络进行监督训练.实验结果表明,该算法在CUHK03-LabeI、CUHK03-Detect、Market-1501和DukeMTMC-reID 数据集上其 Rank-1 值分别达到 了 78.7％、75.8％、95.7％和 89.6％,mAP 值分别达到 了 78.7％、76.3％、73.1％和 88.2％.
文献关键词：
行人重识别;网格掩膜;残差网络;注意力机制;深度学习
中图分类号：
作者姓名：
周传华;夏徐东;周东东;周子涵
作者机构：
安徽工业大学管理科学与工程学院,安徽马鞍山243002;中国科学技术大学计算机科学与技术学院,安徽合肥230026;复杂系统多学科管理与控制安徽普通高校重点实验室,安徽马鞍山243002
文献出处：
引用格式：
[1]周传华;夏徐东;周东东;周子涵-.融合网格掩膜和残差坐标注意力的行人重识别)[J].微电子学与计算机,2022(05):30-38
A类：
网格掩膜,LabeI
B类：
行人重识别,工进,复杂场景,学习应用,提取特征,特征表达,表达能力,网络层,层数,梯度消失,残差网络,特征信息,坐标注意力机制,注意力机制模块,网络特征,识别模型,模型识别,遮挡,入网,数据增强,增强方法,过拟合,泛化能力,现实场景,三元组损失,CUHK03,Detect,Market,DukeMTMC,reID,Rank,mAP
AB值：
0.307024
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。
