基于IBN-Net和通道注意力的行人重识别方法

来源：计算机工程与应用杂志2023年第17期北京时间：

作者：杨永胜, 邓淼磊, 张德贤

单位：1.河南工业大学 信息科学与工程学院，郑州 450001 ；2.河南省粮食信息处理国际联合实验室，郑州 450001

摘要：针对因拍摄的行人图像模糊、遮挡、姿势、视角、颜色、风格和亮度不同等不良因素的影响，行人重识别任务难以提取具有判别力的特征，设计了一种基于IBN-Net和双池通道注意力模块的新颖网络IBNC-Net。以IBN-Net50-a作为骨干网络学习不因图像风格、颜色和亮度等外观变化而变化的特征；在不同的网络层嵌入双池通道注意力模块DPCAM，抑制无关特征，增强具有判别力的特征；引入广义平均池化GeM，通过模型训练自动调整池化尺度。为了验证提出的IBNC-Net方法的有效性，在三个流行的数据集上进行实验，包括Market1501、DukeMTMC-ReID和CUHK03。IBNC-Net模型的Rank-1分别达到了95.6%、91.2%和80.5%，mAP分别达到了89.1%、80.3%和79.4%，实验结果表明，所提方法能够有效提高行人重识别模型的性能。

关键词：行人重识别,深度学习,注意力机制,计算机视觉