计算机工程

作者：耿霞, 汪尧

单位：江苏大学计算机科学与通信工程学院, 江苏 镇江 212000

关键词：换装行人重识别,对比语言-图像预训练,特征保留策略,注意力机制,语义解析

换装行人重识别旨在检索穿着不同服装的目标行人。现有方法通过引入额外信息(如轮廓、步态、3D信息)辅助学习服装无关特征。但受光照、姿态变化等因素的影响, 提取的生物特征可能存在误差。为提高准确性, 探索对比语言-图像预训练(CLIP)在该任务的应用, 提出CLIP驱动的细粒度特征增强方法(CFFE)。首先建模CLIP提取的类文本特征和图像特征的潜在内在联系, 然后引入显著性特征保留模块和显著性特征引导模块。显著性特征保留模块利用注意力掩码定位服装相关的前景区域, 进而擦除该部分特征, 使网络关注有效的非服装特征, 显著性特征引导模块通过注意力机制进一步关注行人的重要局部和全局特征。实验结果表明, 该方法在LTCC、PRCC和VC-Clothes数据集上的检测精度分别达到42.1%、71.1%和89.9%, 与AIM、CAL等算法相比, 能够提取到更细粒度的特征, 在多项指标上有明显提升。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期