融合自注意力与局部特征的遮挡行人重识别
作者机构:黑龙江林业智能装备工程研究中心 呼伦贝尔学院 东北林业大学计算机与控制工程学院
出 版 物:《哈尔滨理工大学学报》 (Journal of Harbin University of Science and Technology)
年 卷 期:2024年
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:黑龙江省自然科学基金项目(LH2020F040) 中央高校基本科研业务费专项资金资助项目(No.2572017PZ10)
摘 要:遮挡行人重识别(ReID)是一项旨在将遮挡人物图像与整体图像进行匹配的人物检索任务。为了解决遮挡问题,基于局部特征的方法已经被证明是有效的,因为它们提供了小粒度的信息,并且非常适合表示部分可见的人体。针对基于局部的模型训练存在的两个挑战:身体部位外观不像全局外观那样具有可辨别性与身体部位错位。LGFNet(local-global feature Net),基于自注意力机制,生成感受野大小自行调整的空间注意力图,进行全局-局部特征联合学习。LGFNet在Market-1501数据集上,Rank-1为95.2%,mAP为86.5%;在DukeMTMC-reID数据集上Rank-1为90.2%,mAP为80.3%;在Occluded-Duke数据集上Rank-1为71.5%,mAP为60.9%。相较同类方法,在准确率方面均取得了显著提升。