注意力机制和多元损失改进的行人重识别模型

来源：计算机应用与软件杂志2024年第3期北京时间：

作者：柯健宇, 王晓峰

摘要：行人重识别(Pedestrian Re-identification, Re-ID)侧重在跨域摄像机照片中判断特定行人，目前的行人重识别算法大多研究使得特征提取能力增强的方法，出现了各种不同的模型，但其都存在模型复杂度较高或识别能力弱等问题。针对这些问题，将BagTricks这一简洁的Re-ID基准模型与通道注意机制相结合，提高了模型对显著特征的提取能力，同时加入了环形损失Circle loss，改进了损失函数。实验结果表明，在主流图片行人重识别Market1501数据集上，所提模型达到了95.6%的rank-1准确率和88.5%的mAP精度，在DukeMTMC数据集和CUHK03数据集中，rank-1则分别达到了89.1%和76.7%。该方法提高了模型精度，且易于实现，取得了有竞争力的性能，优于大部分现有方法。

关键词：行人重识别, 深度神经网络, 注意力机制, 多元损失函数