自适应感受野网络的行人重识别

作     者：王松 纪鹏 张云洲 朱尚栋 暴吉宁 WANG Song;JI Peng;ZHANG Yun-zhou;ZHU Shang-dong;BAO Ji-ning

作者机构：东北大学机器人科学与工程学院沈阳110169 东北大学信息科学与工程学院沈阳110004 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2022年第37卷第1期

页      面：119-126页

核心收录：

学科分类：0820[工学-石油与天然气工程] 080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中央高校基本科研业务费专项资金项目(N172608005,N182608004) 国家自然科学基金项目(61973066,61471110) 装备预研领域基金项目(61403120111) 航天系统仿真重点实验室基金项目(6142002301) 

主　　题：行人重识别 深度学习 自适应感受野 注意力机制 空洞卷积 分组卷积 

摘      要：行人重识别通常删除特征提取网络中的最后一个空间下采样操作,以增加最后输出特征图的分辨率,保留更多的细粒度特征.然而,这种操作会大幅减小神经网络的感受野,而更大的感受野可以为行人重识别提供更多的上下文信息.同时,在实际的视觉皮层中,相同区域的神经元的感受野是不同的,但当前行人重识别网络的设计大多忽视了这一点.为了解决上述问题,提出一种新颖的自适应感受野网络.网络的设计受启发于生物的视觉系统,通过在多分支网络上设置不同大小的感受野,结合注意力机制让网络自行选择合适的感受野特征,从而实现网络感受野的自适应,并且采用分组卷积使得自适应感受野模块更加轻量级.同时在各个分支利用空洞卷积增大感受野,补偿删除最后下采样操作所减少的网络感受野.在公开的大规模数据集上进行实验,实验结果表明,所提出的算法相比于基线方法有显著的提升,当使用ResNet-50作为特征提取网络时,在DukeMTMC-reID、Market-1501数据集上的Rank-1和mAP分别达到89.2%和76.0%、95.2%和87.2%.与现有方法相比,所提出算法在精度上有明显的提升.