基于向量注意力机制GoogLeNet-GMP的行人重识别方法

MENG Yue-bo, MU Si-rong,LIU Guang-hui,XU Sheng-jun,HAN Jiu-qiang

Computer Science（2022）

Cited 0|Views3

No score

Abstract

为了提高行人重识别(Re-ID)的准确率和适用性,提出了一种基于向量注意力机制GoogLeNet的Re-ID方法.首先,将3组图像(锚、正、负)输入到GoogLeNet-GM P网络中,获得分段式特征向量.然后,利用空间金字塔池化(Spatial Pyramid Pooling,SPP)对来自不同金字塔等级的特征进行聚合,并引入注意力机制,通过对代表目标视觉信息的多尺度池化区域进行整合,获得多个语义等级上的可区分性特征.同时,将两个不同损失函数的混合形式作为最终损失函数.在M arket-15012和Duke-MTMC3数据集上进行实验,结果表明,相比其他优秀方法,所提方法在Rank-1和mAP指标方面表现更优.

Translated text

Key words

person re-identification|attention mechanism|googlenet|spatial pyramid pooling|loss function

AI Read Science

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper

Chat Paper

Summary is being generated by the instructions you defined