融合多尺度注意力和双向LSTM的行人重识别
闫昊雷1
李小春1
张仁飞2
张磊2
邱浪波3
王哲4
1.空军工程大学信息与导航学院,西安,7100772.武警陕西省总队,西安,7100543.陕西省信息化工程研究院,西安,7100614.陆军装备部,北京,100000
摘要：将深度学习应用于行人重识别领域,嵌入多尺度注意力融合模块至神经网络中进行多尺度特征提取和表示,可有效提升注意力机制对深度学习网络的识别性能.提出了一种基于SE block的多尺度通道注意力融合模块,并结合ResNet50卷积神经网络提取特征;然后通过双向LSTM网络进一步提取特征序列上下文信息,在提高模型对图像重要特征的提取能力的同时,降低对图像冗余特征的关注度;最后使用级联难采样三元组损失函数和交叉熵损失函数共同训练网络模型,使样本能够在高维特征空间中实现聚类,进一步提升模型识别准确性.所提出算法在Market1501数据集和CUHK03数据集分别进行实验,并在同等条件下和其他注意力模块算法进行比较.为进一步验证各模块作用,对算法进行消融实验,以验证各模块的有效性,实验结果表明,所提出方法可有效应用于行人重识别.
关键词：注意力机制卷积神经网络行人重识别深度学习LSTM
分类号：TP391(计算技术、计算机技术)
资助基金：陕西省重点发展计划(2021ZDLSF06-09)
论文发表日期：2022-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 71-76 )
英文信息