反事实注意力引导的背景抑制跨域行人重识别方法

摘要

无监督域自适应行人重识别任务中，由于源域与目标域之间存在显著的视觉差异，模型难以区分行人特征和背景噪声。为解决此问题，构建了一种基于反事实注意力的背景抑制网络。提出了基于高斯加权的背景抑制方法，为远离行人区域的背景像素赋予较低权重，降低背景噪声对特征学习过程的影响。将背景抑制图像作为教师模型的输入，以减少模型对背景区域的关注度。设计了基于反事实注意力的背景抑制方法，使用教师网络的反向注意力图对学生模型进行反事实干预，为学生网络的注意力学习提供监督信号，量化注意力图的质量。在5个基准数据集上的实验结果证实了方法的有效性。

关键词

行人重识别 / 无监督域自适应 / 背景抑制 / 知识蒸馏 / 反事实干预