典型文献
逐点特征匹配的跨域行人重识别方法
文献摘要：
针对现有的直接跨数据集的行人重识别方法泛化性不足、跨域能力较差的问题,文中提出逐点特征匹配的跨域行人重识别方法,只需在源域上进行模型训练,在目标域上进行测试,就可达到较好效果.首先,为了解决网络对于跨域的行人图像风格、颜色等鲁棒性不高的问题,在ResNet50基础网络中引入实例归一化层,提取图像特征.然后,利用Transformer的多头自注意力模块与卷积结合,增强特征的表示能力.最后,通过在深层特征中建立一种逐点的特征映射关系,将图像匹配视为逐点寻找局部最优的过程,在未知场景中提升模型的抗视角变化能力,增强模型的泛化性.实验表明,文中方法在提高模型泛化能力上具有一定的优越性.
文献关键词：
行人重识别;跨域行人重识别;实例归一化;多头自注意力;逐点匹配
中图分类号：
作者姓名：
杨萍;吴晓红;何小海;陈洪刚;刘强;李波
作者机构：
四川大学 电子信息学院 成都610065
文献出处：
引用格式：
[1]杨萍;吴晓红;何小海;陈洪刚;刘强;李波-.逐点特征匹配的跨域行人重识别方法)[J].模式识别与人工智能,2022(06):516-525
A类：
逐点匹配
B类：
逐点特征,特征匹配,跨域行人重识别,泛化性,源域,模型训练,目标域,ResNet50,实例归一化,图像特征,Transformer,多头自注意力,自注意力模块,示能,深层特征,特征映射,映射关系,图像匹配,局部最优,增强模型,中方,模型泛化,泛化能力
AB值：
0.285936
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。
