典型文献
行人重识别中基于多分支的鲁棒性特征挖掘网络设计
文献摘要：
目前人员再识别方法大多都是使用深度卷积神经网络(Convolution Neural Network,CNN)作为骨干网络,尽管深度卷积网络在分类或对象检测等任务中都很有效,但它们往往只关注对象最具鉴别性的部分,并没有检索所有相关特征.在没有提取到对象所有特征的情况下,会导致深度卷积神经网络在重识别任务中的性能表现不佳.为了让网络可以挖掘更具鲁棒性的特征,同时在执行行人重识别任务时可以有效地应对行人图片中更精细的变化,设计了一个多分支的鲁棒性特征挖掘网络.该网络结合了擦除操作与注意力机制,在不同数据集上均有较好的性能.
文献关键词：
行人重识别;鲁棒性特征;深度卷积神经网络;深度学习
中图分类号：
作者姓名：
刘润;汪淑娟
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]刘润;汪淑娟-.行人重识别中基于多分支的鲁棒性特征挖掘网络设计)[J].电视技术,2022(05):61-66
A类：
B类：
行人重识别,多分支,鲁棒性特征,特征挖掘,网络设计,使用深度,深度卷积神经网络,Convolution,Neural,Network,骨干网络,深度卷积网络,取到,行行,一个多,擦除,注意力机制
AB值：
0.26957
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。
