全局注意力机制与关系网络驱动的行人重识别

摘要

针对行人重识别(re-identification,ReID)中因遮挡、姿态变化导致模型提取关键特征能力不足的问题,提出一种全局注意力机制与关系网络驱动的行人重识别算法。首先,在主干网络部分,将全局注意力模块嵌入ResNet-50网络中,捕获空间维度和通道维度的权重信息;其次,在关系网络部分,通过水平切分得到不同尺度的多个局部特征,并设计了2个模块分别用于提取全局对比特征及局部特征间的关系特征,并将局部关系特征与全局对比信息融合后送到分类网络;最后,在损失优化阶段,采用Circle Loss、三元组损失与交叉熵损失的联合损失进行网络训练。在5个常用数据集上进行实验并对实验结果进行分析,其中Occluded-DukeMTMC和Market1501数据集上rank-1值分别达到63.2%和95.4%,mAP(mean average precision)值分别为53.8%和88.2%,体现了所提算法的先进性。