典型文献
基于阶梯型特征空间分割与局部注意力机制的行人重识别
文献摘要：
为了让网络捕捉到更有效的内容来进行行人的判别,该文提出一种基于阶梯型特征空间分割与局部分支注意力网络(SLANet)机制的多分支网络来关注局部图像的显著信息.首先,在网络中引入阶梯型分支注意力模块,该模块以阶梯型对特征图进行水平分块,并且使用了分支注意力给每个分支分配不同的权重.其次,在网络中引入多尺度自适应注意力模块,该模块对局部特征进行处理,自适应调整感受野尺寸来适应不同尺度图像,同时融合了通道注意力和空间注意力筛选出图像重要特征.在网络的设计上,使用多粒度网络将全局特征和局部特征进行结合.最后,该方法在3个被广泛使用的行人重识别数据集Market-1501,DukeMTMC-reID和CUHK03上进行验证.其中在Market-1501数据集上的mAP和Rank-1分别达到了88.1％和95.6％.实验结果表明,该文所提出的网络模型能够提高行人重识别准确率.
文献关键词：
行人重识别;特征空间分割;注意力机制;局部特征
中图分类号：
作者姓名：
石跃祥;周玥
作者机构：
湘潭大学计算机学院·网络空间安全学院 湘潭 411105
文献出处：
引用格式：
[1]石跃祥;周玥-.基于阶梯型特征空间分割与局部注意力机制的行人重识别)[J].电子与信息学报,2022(01):195-202
A类：
特征空间分割,SLANet
B类：
阶梯型,局部注意力,注意力机制,行人重识别,捕捉到,行行,注意力网络,多分支网络,关注局部,局部图,注意力模块,特征图,分块,尺度自适应,对局,局部特征,自适应调整,感受野,不同尺度,通道注意力,空间注意力,出图,多粒度,全局特征,别数,Market,DukeMTMC,reID,CUHK03,mAP,Rank,高行,识别准确率
AB值：
0.335685
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。
