首页|基于姿态引导注意力机制的跨域行人重识别

基于姿态引导注意力机制的跨域行人重识别

扫码查看
原文链接
  • 万方数据
  • 维普
基于监督学习的行人重识别需要大量有标注数据的支持,模型可扩展性差.在实际应用中,更关注如何提高无标注数据的目标域行人重识别准确度的问题.因此,提出一种基于姿态引导注意力机制的跨域行人重识别方法.首先,使用源域的标注数据训练一个行人姿态引导的注意力模块,作为遮挡预测器区分图像中的行人有效区域和被遮挡区域.然后,在无标注的目标域数据集训练过程中融入该预测器,屏蔽因遮挡产生的干扰信息,并计算行人特征亲和度矩阵,为无标注数据生成软标记,更新和优化目标域的训练网络.在3个大规模公共数据集Market-1501、DukeMTMC-reID和MSMT17上分别进行了跨域试验,结果表明,在首位命中率(Rank-1)和平均精确度2个评价指标上,所提方法与现有方法相比均有明显提升.
Cross-Domain Person Reidentification Based on Pose-Guided Attention Mechanism

person re-identificationpose guidedattention mechanismunsupervised learning

张德、樊昊铭、杨伟平

展开 >

北京建筑大学 电气与信息工程学院, 北京 100044

行人重识别 姿态引导 注意力机制 无监督学习

国家自然科学基金

62271035

2024

10.19740/j.2096-9872.2024.01.09

北京建筑大学学报
北京建筑工程学院

北京建筑大学学报

影响因子：0.562
ISSN：1004-6011
年,卷(期)：2024.40(1)
  • 18