CN114495170B 一种基于局部抑制自注意力的行人重识别方法及系统 （重庆大学）

一种基于局部抑制自注意力的行人重识别本发明提出了一种基于局部抑制自注意力网络，该卷积骨干网络输出连接N个用于局部特征提取的自注意力分支，N个局部特征提取分支的输出级与卷积骨干网络输出的特征图进行残2构建网络模型,该网络模型包括残差网络优化后的卷积骨干网络，所述卷积骨干网络该卷积骨干网络输出连接N个用于局部特征提取的自注意力分支利用预处理后的样本对该网络模型进行反向传播训练；反向传播后分别计算N个自注将目标图片于训练后的网络模型中进行行人重识将得到的多通道的特征图分别送入N个所述自注意力分支进行局部将自注意力分支的输出与卷积骨干网络输出的特征图进行通过建立每个特征与其他全部特征的关系得到全4.根据权利要求1所述的基于局部抑制自注意力的行人重识图片经过网络模型得到全局特征和N个自注意力分支局部特征融合后进行池化得到特征向6任一项所述的基于局部抑制自注意力的行人重识别3个能抗背景干扰和遮挡的局部特征提取模型是提高行人重识别模型[0005]早期的工作利用人工设计的特征提取算子在原始图像上提取行人局部特征，如Karanam等将原始图像分为六个水平部分，对每一个部分单独计算不同颜色空间的灰度直4的像素区域后和原始图像一起进行训练来实现区域的对齐。Zheng等在骨架关键点的基础[0011]构建网络模型,该网络模型包括[0015]该基于局部抑制自注意力的行人重识别方法在残差网络优化后的卷积骨干网络的基础上引入N个自注意力分支与全局分支进行残差连接以提取行人不同肢体部位的局部基于局部抑制自注意力的行人重识别方法的识别5了卷积网络局部感受野不足以关注全局信息的缺点的问题。因行人受野建立长范围依赖可以有效地屏蔽掉不同背景的差异，使得模型聚焦于行人肢体区域。[0022]该基于局部抑制自注意力的行人重识别方法的优选方案：反向传播后分别计算N[0024]优选方案：根据每个自注意力分支的热力图对剩余方式可以将当前分支关注的重点区域对其他区域屏蔽，N个分支虽然结构相同但具有不同[0025]该基于局部抑制自注意力的行人重识别方法的优选方案：所述卷积骨干网络在[0026]该基于局部抑制自注意力的行人重识别方法的优选方案：N个所述自注意力分支得到全局特征和N个自注意力分支局部特征融合后进行池化得到特征向量，将该特征向量6[0031]本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得具体情况理解上述术语的具体含义。础上做了如下改进：在ResNet50残差网络的前两个残差块后分别增加一个非局部注意力本不同通道数据进行归一化，自注意力块使用视觉transformer中的多头注意力每个头的7连接的操作可以使得模型拥有足够深度的同时避免梯度消失或梯度干网络一致进行池化和损失函数计算，损失函数包括交叉熵损失和加权正则化三元组损8[0057]测试指标使用行人重识别问题中普遍使用的累计匹配特性(CMC)[12]和平均精度9[0062]为了进一步说明本发明的性能，利用计算机视觉常用的类别激活热力图工具[0064]为了衡量本发明模型所带来的参数