10.16451/j.cnki.issn1003-6059.202206004
逐点特征匹配的跨域行人重识别方法
针对现有的直接跨数据集的行人重识别方法泛化性不足、跨域能力较差的问题,文中提出逐点特征匹配的跨域行人重识别方法,只需在源域上进行模型训练,在目标域上进行测试,就可达到较好效果.首先,为了解决网络对于跨域的行人图像风格、颜色等鲁棒性不高的问题,在ResNet50基础网络中引入实例归一化层,提取图像特征.然后,利用Transformer的多头自注意力模块与卷积结合,增强特征的表示能力.最后,通过在深层特征中建立一种逐点的特征映射关系,将图像匹配视为逐点寻找局部最优的过程,在未知场景中提升模型的抗视角变化能力,增强模型的泛化性.实验表明,文中方法在提高模型泛化能力上具有一定的优越性.
行人重识别、跨域行人重识别、实例归一化、多头自注意力、逐点匹配
35
TP391(计算技术、计算机技术)
国家自然科学基金;四川省自然科学基金;四川省科技计划项目
2022-07-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
516-525