典型文献
融合注意力机制的多损失联合跨模态行人重识别方法
文献摘要：
跨模态行人重识别任务的难点在于提取出更有效的模态共享特征,为解决该问题,提出基于注意力机制的多损失联合跨模态行人重识别方法.在ResNet50网络中嵌入注意力模型,保留细节信息.将特征切割成六块局部特征,以使网络关注局部深层信息,增强网络的表征能力.对提取出的局部特征列向量进行批归一化处理,并选用交叉熵损失和改进的异质中心损失进行联合监督学习,以加速模型收敛,提升模型精度.所提方法在SYSU-MM01、RegDB数据集下的平均精度(mAP)分别达到56.82％和75.44％,实验结果表明,本文方法有效地提升了跨模态行人重识别精度.
文献关键词：
图像处理;行人重识别;跨模态;深度学习;注意力;多损失联合
中图分类号：
作者姓名：
王凤随;刘芙蓉;陈金刚;王启胜
作者机构：
安徽工程大学电气工程学院,安徽芜湖241000;检测技术与节能装置安徽省重点实验室,安徽芜湖241000;高端装备先进感知与智能控制教育部重点实验室,安徽芜湖241000
文献出处：
引用格式：
[1]王凤随;刘芙蓉;陈金刚;王启胜-.融合注意力机制的多损失联合跨模态行人重识别方法)[J].激光与光电子学进展,2022(08):137-146
A类：
B类：
注意力机制,多损失联合,跨模态行人重识别,模态共享,共享特征,ResNet50,注意力模型,细节信息,切割成,六块,局部特征,网络关注,关注局部,表征能力,批归一化处理,交叉熵损失,中心损失,联合监督,监督学习,加速模型,模型精度,SYSU,MM01,RegDB,mAP,识别精度
AB值：
0.392027
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。
