基于通道特征聚合的行人重识别算法

作     者：徐增敏 陆光建 陈俊彦 陈金龙 丁勇 XU Zengmin;LU Guangjian;CHEN Junyan;CHEN Jinlong;DING Yong

作者机构：桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学计算机与信息安全学院广西桂林541004 桂林安维科技有限公司广西桂林541010 

基　　金：国家自然科学基金(No.61862015) 广西科技基地和人才专项基金(No.2021AC06001) 广西重点研发计划项目基金(No.AB17195025)资助 

出 版 物：《应用科学学报》 (Journal of Applied Sciences)

年 卷 期：2023年第41卷第1期

页      码：107-120页

摘      要：在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明:在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其mAP比原骨干网络分别提高了17.13%、2.11%、2.56%。

主 题 词：分组卷积 通道注意力 修正线性单元 激活函数 动态学习因子 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.0255-8297.2023.01.009

馆 藏 号：203118200...