融合卷积注意力和Transformer架构的行人重识别方法

作     者：王静 李沛橦 赵容锋 张云 马振玲 WANG Jing;LI Peitong;ZHAO Rongfeng;ZHANG Yun;MA Zhenling

作者机构：上海海洋大学信息学院上海201306 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年第50卷第2期

页      面：466-476页

核心收录：

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61806123,42101443) 国家重点研发计划(2019YFD0900805) 

主　　题：行人重识别 深度学习 卷积神经网络 Transformer 注意力机制 

摘      要：行人重识别技术是智能安防系统中的重要方法之一,为构建一个适用各种复杂场景的行人重识别模型,基于现有的卷积神经网络和Transformer模型,提出一种融合卷积注意力和Transformer(FCAT)架构的方法,以增强Transformer对局部细节信息的关注。所提方法主要将卷积空间注意力和通道注意力嵌入Transformer架构中,分别加强对图像中重要区域的关注和对重要通道特征的关注,以进一步提高Transformer架构对局部细节特征的提取能力。在3个公开行人重识别数据集上的对比消融实验证明,所提方法在非遮挡数据集上取得了与现有方法相当的结果,在遮挡数据集上的性能得到显著提升。所提方法更加轻量化,在不增加额外计算量和模型参数的情况下,推理速度得到了提升。