计算机工程

作者：曾涛, 薛峰, 杨添

单位：合肥工业大学 计算机与信息学院, 合肥 230601

关键词：行人重识别,双重注意力机制,行人特征,深度学习,平均精度均值

基金：国家自然科学基金（61772170）。

针对现实场景下因受到摄像机视角变化、行人姿态变化、物体遮挡、图像低分辨率、行人图片未对齐等因素影响导致行人判别性特征难以获取的问题，设计混合池通道注意模块（HPCAM）和全像素空间注意力模块（FPSAM），并基于这两种注意力模块提出一种通道与空间双重注意力网络（CSDA-Net）。HPCAM模块能够在通道维度上抑制无用信息的干扰，增强显著性特征的表达，以提取得到判别性强的行人特征。FPSAM模块在空间维度上增强行人特征的判别能力，从而提高行人重识别的准确率。通过在传统行人重识别深度模型框架中分阶段融入HPCAM模块和FPSAM模块，获得由粗糙到细粒度的注意力特征。实验结果表明，CSDA-Net网络在行人重识别主流数据集CUHK03、DukeMTMC-ReID和Market1501上的Rank-1准确率分别为78.3%、91.3%和96.0%，平均精度均值（mAP）分别为80.0%、82.1%和90.4%，与MGN网络相比，Rank-1准确率分别提升14.9、2.6和0.3个百分点，mAP分别提升13.7、3.7和3.5个百分点，能够提取更具鲁棒性和判别性的表达特征。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期