适用于无监督行人重识别的反向骨干网

于鹏, 朴燕

doi:10.13229/j.cnki.jdxbgxb.20240916

吉林大学学报(工学版) ›› 2024, Vol. 54 ›› Issue (11) : 3309 -3317. DOI: 10.13229/j.cnki.jdxbgxb.20240916

适用于无监督行人重识别的反向骨干网

于鹏, 朴燕

作者信息 +

Author information +

文章历史 +

PDF

摘要

行人重识别（re-id）的目的是在不同的摄像机上识别同一个人的图像。虽然无监督模型比有监督模型有更好的泛用性，但无监督的聚类会更容易受到噪声干扰。针对这一问题，本文提出了一个可以减少噪声干扰的模型反向骨干网（RBNet），利用反向骨干网学习姿态检测模型输出的人体关键点，调整局部空间信息并生成掩码，用生成掩码增强指定位置注意力。实验结果表明：对比baseline在Market-1501到DukeMTMC-reID的跨域实验结果，mAP提升了7.0%,Rank-1提升了6.4%。强化对不同局部信息的注意力，可有效提升模型准确率。