融合自注意力与局部特征的遮挡行人重识别

doi:10.15938/j.jhust.2025.03.003

哈尔滨理工大学学报 ›› 2025, Vol. 30 ›› Issue (03) : 24 -31. DOI: 10.15938/j.jhust.2025.03.003

融合自注意力与局部特征的遮挡行人重识别

作者信息 +

Author information +

文章历史 +

PDF

摘要

遮挡行人重识别(Re ID)是一项旨在将遮挡人物图像与整体图像进行匹配的人物检索任务。为了解决遮挡问题,基于局部特征的方法已经被证明是有效的,因为它们提供了小粒度的信息,并且非常适合表示部分可见的人体。针对基于局部的模型训练存在的两个挑战:身体部位外观不像全局外观那样具有可辨别性与身体部位错位。LGFNet(local-global feature Net),基于自注意力机制,生成感受野大小自行调整的空间注意力图,进行全局-局部特征联合学习。LGFNet在Market-1501数据集上,Rank-1为95.2%,m AP为86.5%。在Duke MTMC-reID数据集上Rank-1为90.2%,m AP为80.3%。在Occluded-Duke数据集上Rank-1为71.5%,m AP为60.9%。相较同类方法,准确率方面取得了显著提升。