典型文献
基于注意力机制学习域内变化的跨域行人重识别方法
文献摘要：
针对行人重识别任务跨域迁移时性能严重衰退的问题,提出了一种基于注意力机制学习域内变化的跨域行人重识别方法.首先,以ResNet50为基础架构并对其进行调整使其适合行人重识别任务,并引入实例-批归一化网络(IBN-Net)以提高模型的泛化能力,同时增加区域注意力分支以提取更具鉴别性的行人特征.对于源域的训练,将其作为分类任务,使用交叉熵损失进行源域的有监督学习,同时引入三元组损失来挖掘源域样本的细节,从而提高源域的分类性能.对于目标域的训练,通过学习域内变化来适应源域和目标域间的数据分布差异.在测试阶段,以ResNet50 pool-5层的输出作为图像特征,并计算查询图像与候选图像间的欧氏距离来度量两者的相似度.在两个大规模公共数据集Market-1501和DukeMTMC-reID上进行实验,所提方法的Rank-1准确率分别达到80.1％和67.7％,平均精度均值(mAP)分别为49.5％和44.2％.实验结果表明,所提方法在提高模型泛化能力方面性能较优.
文献关键词：
无监督域适应;域内变化;行人重识别;注意力机制;鉴别特征
中图分类号：
作者姓名：
陈代丽;许国良
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065;重庆邮电大学电子信息与网络工程研究院,重庆400065
文献出处：
引用格式：
[1]陈代丽;许国良-.基于注意力机制学习域内变化的跨域行人重识别方法)[J].计算机应用,2022(05):1391-1397
A类：
域内变化,区域注意力
B类：
注意力机制,跨域行人重识别,ResNet50,基础架构,批归一化,IBN,泛化能力,加区,源域,分类任务,交叉熵损失,有监督学习,三元组损失,分类性能,目标域,数据分布,分布差异,测试阶段,pool,图像特征,计算查询,查询图,选图,欧氏距离,公共数据,Market,DukeMTMC,reID,Rank,平均精度均值,mAP,模型泛化,无监督域适应,鉴别特征
AB值：
0.379621
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。
