典型文献
自适应感受野网络的行人重识别
文献摘要：
行人重识别通常删除特征提取网络中的最后一个空间下采样操作,以增加最后输出特征图的分辨率,保留更多的细粒度特征.然而,这种操作会大幅减小神经网络的感受野,而更大的感受野可以为行人重识别提供更多的上下文信息.同时,在实际的视觉皮层中,相同区域的神经元的感受野是不同的,但当前行人重识别网络的设计大多忽视了这一点.为了解决上述问题,提出一种新颖的自适应感受野网络.网络的设计受启发于生物的视觉系统,通过在多分支网络上设置不同大小的感受野,结合注意力机制让网络自行选择合适的感受野特征,从而实现网络感受野的自适应,并且采用分组卷积使得自适应感受野模块更加轻量级.同时在各个分支利用空洞卷积增大感受野,补偿删除最后下采样操作所减少的网络感受野.在公开的大规模数据集上进行实验,实验结果表明,所提出的算法相比于基线方法有显著的提升,当使用ResNet-50作为特征提取网络时,在DukeMTMC-reID、Market-1501数据集上的Rank-1和mAP分别达到89.2％和76.0％、95.2％和87.2％.与现有方法相比,所提出算法在精度上有明显的提升.
文献关键词：
行人重识别;深度学习;自适应感受野;注意力机制;空洞卷积;分组卷积
中图分类号：
作者姓名：
王松;纪鹏;张云洲;朱尚栋;暴吉宁
作者机构：
东北大学机器人科学与工程学院,沈阳110169;东北大学信息科学与工程学院,沈阳110004
文献出处：
引用格式：
[1]王松;纪鹏;张云洲;朱尚栋;暴吉宁-.自适应感受野网络的行人重识别)[J].控制与决策,2022(01):119-126
A类：
B类：
自适应感受野,行人重识别,删除,特征提取网络,下采样,特征图,细粒度特征,小神,上下文信息,视觉皮层,识别网络,发于,视觉系统,多分支网络,同大,注意力机制,分组卷积,感受野模块,轻量级,空洞卷积,大规模数据集,ResNet,DukeMTMC,reID,Market,Rank,mAP
AB值：
0.271241
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。
