文档摘要：针对传统的行人重识别算法需要依赖大量带标签的行人图像数据,以及系统难以部署等问题,提出使用ResNet50作为模型的骨干网络.通过增加CBAM注意力机制,分组卷积,层次聚类和实例学习等方法实现无监督行人重识别.同时,使用欧式距离来进行相似性度量,对最终识别结果加以验证.实验结果表明:所提出的基于分组卷积的无监督注意机制行人重识别方法能够提高网络模型在未知数据域的泛化能力,减少了模型的训练参数.
作者：杨东贺 任国印 张晓琳Author：YANGDonghe RENGuoyin ZHANGXiaolin
作者单位：内蒙古科技大学信息工程学院,内蒙古包头014010
刊名：内蒙古科技大学学报
Journal：JournalofInnerMongoliaUniversityofScienceandTechnology
年，卷(期)：2023, 42(2)
分类号：TP391.4
关键词：行人重识别 无监督 注意力机制 分组卷积
Keywords：personre-identification unsupervised attentionmechanism groupconvolution
机标分类号：TP391TP18TN911.73
在线出版日期：2023年8月23日
基金项目：国家自然科学基金，内蒙古自治区高等学校科学研究资助项目基于分组卷积的无监督注意机制行人重识别方法研究[
期刊论文] 内蒙古科技大学学报--2023, 42(2)杨东贺 任国印 张晓琳针对传统的行人重识别算法需要依赖大量带标签的行人图像数据,以及系统难以部署等问题,提出使用ResNet50作为模型的骨干网络.通过增加CBAM注意力机制,分组卷积,层次聚类和实例学习等方法实现无监督行人重识别.同时,使用...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：行人重识别,无监督,注意力机制,分组卷积,
|
|
1
