基于二维注意力的行人重识别
毛逢
刘志刚
常乐乐
东北石油大学计算机与信息技术学院 大庆 163318
摘要：近年来,基于注意力机制的行人重识别方法大多将注意力应用于行人局部区域,且注意力的粒度不够精细,维度较为单一.针对此问题,论文提出一种基于空间维度的注意力模块—二维注意力模块(Two Dimensional Attention Mod-ule,TDAM),该模块能从空间维度推断特征图的注意力图,得到通道中空间的细粒度注意力参数,然后将注意力参数乘以输入特征图,以进行行人全局自适应特征细化.并且将TDAM与通道注意力(Channel Attention Module,CAM)组合,形成一个新的注意力模块—点注意力模块(Point Attention Module,PAM),该模块能兼顾通道和空间两个维度推断注意力图.TDAM在Market-1501和DukeMTMC-ReID数据集上的Rank1分别达到了91.8%和82.8%,mAP分别达到了81.1%和73.2%.PAM在Market-1501和DukeMTMC-ReID数据集上的Rank1分别达到了93.3%和84.1%,mAP分别达到了82.6%和75.0%.算法性能优于现有的一些基于注意力机制行人重识别方法,甚至接近某些优秀的方法.
关键词：行人重识别注意力通道二维空间
分类号：TP391.4(计算技术、计算机技术)
资助基金：黑龙江省自然科学基金项目(LH2020F003)黑龙江省自然科学基金项目(LH2019F042)黑龙江省优秀中青年科研创新团队项目(KYCXTD201903)
论文发表日期：2025-07-20
在线出版日期：2025-09-25（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1897-1902 )
英文信息