典型文献
基于轻量多分支网络的行人重识别方法
文献摘要：
最新的行人重识别方法大都是基于卷积神经网络(CNN),虽然这些网络在分类或目标检测等多项任务中有着不错的表现,但这些方法大都侧重于图像最具辨别力的部分,忽视了其他的一些相关特征,而重识别任务需要更加丰富,具有多样性的特征.本文提出了一种基于OSNet(Omni-scale Network)的多分支网络结构,OSNet是一个轻量级的Re-ID模型,可将标准卷积分解为点卷积和深度卷积以便达到减少参数的目的.网络主干部分加入了注意力模块,可以抑制无用信息;而多分支的结构可以提取到更多样性的特征.该网络主要由全局分支、局部分支、顶部擦除分支和通道分支四个部分构成.全局分支用于提取图像的整体特征;局部分支能学习到细粒度的特征;顶部擦除分支通过擦除高激活性区域,使得网络更加关注于激活性较差的区域;通道分支使网络学习到更多与通道有关的信息.在Market-1501、CUHK03、DukeMTMC-reID三个公开数据集上的实验结果表明,本文提出的方法针对行人重识别问题有着优秀的性能表现.
文献关键词：
行人重识别;神经网络;多分支网络;注意力模块;顶端擦除
中图分类号：
作者姓名：
罗丽洁;韩华;金婕;黄丽
作者机构：
上海工程技术大学 电子电气工程学院,上海201620
文献出处：
引用格式：
[1]罗丽洁;韩华;金婕;黄丽-.基于轻量多分支网络的行人重识别方法)[J].智能计算机与应用,2022(11):103-110
A类：
顶端擦除
B类：
多分支网络,行人重识别,目标检测,不错,辨别力,OSNet,Omni,scale,Network,轻量级,Re,标准卷积,点卷积,深度卷积,注意力模块,无用信息,取到,局分,支用,整体特征,细粒度,活性区域,支使,网络学习,Market,CUHK03,DukeMTMC,reID,公开数据集
AB值：
0.327215
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。
