声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：杨静,张灿龙,李志欣,唐艳平,
关键词：深度学习, 注意力机制, 姿态估计, 多任务网络, 遮挡行人再辨识,
自然场景下监控设备所拍摄的行人图片总是存在被各种障碍物遮挡的情况，因此遮挡是行人再辨识面临的一个很大的挑战.针对遮挡问题，提出了一种集成空间注意力和姿态估计(spatialattentionandposeestimation,SAPE)的遮挡行人再辨识模型.为了同时兼顾全局特征和局部特征，实现特征的多细粒度表示，构建了多任务网络.通过空间注意力机制将感兴趣区域锚定到图像中未遮挡的空间语义信息，从全局结构模式中挖掘有助于再辨识的视觉知识；然后结合分块匹配的思想，将残差网络提取到的特征图水平均匀分割成若干块，通过局部特征的匹配增加辨识的细粒度；在此基础之上，改进姿态估计器去提取图像中行人的关键点信息，并与卷积神经网络抽取的特征图相融合，然后设置阈值去除掉遮挡区域，得到辨识性强的特征，以消除遮挡对再辨识结果的影响.在Occluded-DukeMTMC,Occluded-REID,Partial-REID这3个数据集上验证了SAPE模型的有效性，实验结果表明提出的针对遮挡的模型具有良好的效果.
来源：2022年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。