| 融合多尺度注意力和双向LSTM的行人重识别 |
| |
| 引用本文： | 闫昊雷,李小春,张仁飞,张磊,邱浪波,王哲.融合多尺度注意力和双向LSTM的行人重识别[J].空军工程大学学报,2022,23(5):71-76. |
| |
| 作者姓名： | 闫昊雷 李小春 张仁飞 张磊 邱浪波 王哲 |
| |
| 作者单位： | 1.空军工程大学信息与导航学院，西安,710077；2.武警陕西省总队，西安,710054； 3.陕西省信息化工程研究院，西安,710061；4.陆军装备部，北京,100000 |
| |
| 基金项目： | 陕西省重点发展计划（2021ZDLSF06 09） |
| |
| 摘 要： | 将深度学习应用于行人重识别领域，嵌入多尺度注意力融合模块至神经网络中进行多尺度特征提取和表示，可有效提升注意力机制对深度学习网络的识别性能。提出了一种基于SE block的多尺度通道注意力融合模块，并结合ResNet50卷积神经网络提取特征；然后通过双向LSTM网络进一步提取特征序列上下文信息，在提高模型对图像重要特征的提取能力的同时，降低对图像冗余特征的关注度；最后使用级联难采样三元组损失函数和交叉熵损失函数共同训练网络模型，使样本能够在高维特征空间中实现聚类，进一步提升模型识别准确性。所提出算法在Market1501数据集和CUHK03数据集分别进行实验，并在同等条件下和其他注意力模块算法进行比较。为进一步验证各模块作用，对算法进行消融实验，以验证各模块的有效性，实验结果表明，所提出方法可有效应用于行人重识别
|
| 关 键 词： | 注意力机制 卷积神经网络 行人重识别 深度学习 LSTM |
A Pedestrian Re ID with Multi Scale Attention and Bidirectional LSTM |
| |
| YAN Haolei,LI Xiaochun,ZHANG Renfei,ZHANG Lei,QIU Langbo,WANG Zhe.A Pedestrian Re ID with Multi Scale Attention and Bidirectional LSTM[J].Journal of Air Force Engineering University(Natural Science Edition),2022,23(5):71-76. |
| |
| Authors: | YAN Haolei LI Xiaochun ZHANG Renfei ZHANG Lei QIU Langbo WANG Zhe |
| |
| Abstract: | |
| |
| Keywords: | attention mechanism convolutional neural network pedestrian re ID deep learning LSTM |
|
| 点击此处可从《空军工程大学学报》浏览原始摘要信息 |
| 点击此处可从《空军工程大学学报》下载免费的PDF全文 |
