典型文献
融合注意力机制的域泛化行人再识别
文献摘要：
域泛化的行人再识别能够在源数据集进行训练并在目标数据集进行测试,具有更广泛的实际应用意义.现有域泛化模型往往由于专注解决光照和色彩变化问题而忽略对细节信息的有效利用,导致识别率较低.为了解决上述问题,提出一种融合注意力机制的域泛化行人再识别模型.该模型首先通过叠加卷积层的瓶颈层(bottleneck layer)设计提取出包含不同视野域的多尺度特征,并利用特征融合注意力模块对多尺度特征进行加权动态融合;然后通过多层次注意力模块挖掘细节特征的语义信息;最后将包含丰富语义信息的细节特征输入到判别器进行行人再识别.此外,设计风格正则化模块(style nomalization module)用于降低不同数据集图像明暗变化对模型泛化能力的影响.在Market-1501和DukeMTMC-reID数据集上进行对比和消融实验,表明了所提出方法的有效性.
文献关键词：
注意力机制;多尺度;行人再识别;风格正则化;域泛化;瓶颈层
中图分类号：
作者姓名：
于明;李学博;郭迎春
作者机构：
河北工业大学人工智能与数据科学学院,天津300400
文献出处：
引用格式：
[1]于明;李学博;郭迎春-.融合注意力机制的域泛化行人再识别)[J].控制与决策,2022(07):1721-1728
A类：
风格正则化,nomalization
B类：
注意力机制,域泛化,行人再识别,应用意义,泛化模型,注解,细节信息,识别率,识别模型,加卷,卷积层,瓶颈层,bottleneck,layer,多尺度特征,特征融合,注意力模块,动态融合,层次注意力,细节特征,语义信息,富语义,判别器,行行,设计风格,style,module,明暗,模型泛化,泛化能力,Market,DukeMTMC,reID,消融实验
AB值：
0.396961
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
