典型文献
多粒度跨模态行人重识别算法研究
文献摘要：
针对当前跨模态行人重识别算法大多聚类能力不强、且难以提取高效辨别性特征的问题,提出了一种多粒度跨模态行人重识别算法.首先,在骨干网络Resnet50中加入非局部注意力机制模块,关注长距离像素之间的关系,保留细节信息;其次,采用多分支网络提取不同细粒度特征信息,增强模型的辨别性特征提取能力;最后,联合基于样本的三元组损失和基于中心的三元组损失监督训练,加速模型收敛.所提算法在SYSU-MM01数据集的全搜索模式下Rank-1和mean average precision分别达到62.83％和58.10％,在RegDB数据集的可见光到红外模式下Rank-1和mAP分别达到87.78％和 76.22％.
文献关键词：
光计算;跨模态;行人重识别;注意力机制;多粒度;三元组损失
中图分类号：
作者姓名：
熊炜;乐玲;周蕾;张开;李利荣
作者机构：
湖北工业大学电气与电子工程学院,湖北武汉430068;美国南卡罗来纳大学计算机科学与工程系,南卡罗来纳州哥伦比亚29201
文献出处：
引用格式：
[1]熊炜;乐玲;周蕾;张开;李利荣-.多粒度跨模态行人重识别算法研究)[J].激光与光电子学进展,2022(22):294-300
A类：
B类：
多粒度,跨模态行人重识别,识别算法,算法研究,多聚类,辨别,骨干网络,Resnet50,非局部注意力机制,注意力机制模块,长距离,距离像,像素,细节信息,多分支网络,细粒度特征,特征信息,增强模型,特征提取能力,三元组损失,加速模型,SYSU,MM01,搜索模式,Rank,mean,average,precision,RegDB,可见光,mAP,光计算
AB值：
0.364183
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。
