基于IBN-Net和通道注意力的行人重识别方法

作     者：杨永胜 邓淼磊 张德贤 YANG Yongsheng;DENG Miaolei;ZHANG Dexian

作者机构：河南工业大学信息科学与工程学院郑州450001 河南省粮食信息处理国际联合实验室郑州450001 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第17期

页      面：143-151页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家重点研发计划 河南省重大公益专项(201300311200)。 

主　　题：行人重识别 深度学习 注意力机制 计算机视觉 

摘      要：针对因拍摄的行人图像模糊、遮挡、姿势、视角、颜色、风格和亮度不同等不良因素的影响,行人重识别任务难以提取具有判别力的特征,设计了一种基于IBN-Net和双池通道注意力模块的新颖网络IBNC-Net。以IBN-Net50-a作为骨干网络学习不因图像风格、颜色和亮度等外观变化而变化的特征;在不同的网络层嵌入双池通道注意力模块DPCAM,抑制无关特征,增强具有判别力的特征;引入广义平均池化GeM,通过模型训练自动调整池化尺度。为了验证提出的IBNC-Net方法的有效性,在三个流行的数据集上进行实验,包括Market1501、DukeMTMC-ReID和CUHK03。IBNC-Net模型的Rank-1分别达到了95.6%、91.2%和80.5%,mAP分别达到了89.1%、80.3%和79.4%,实验结果表明,所提方法能够有效提高行人重识别模型的性能。