-
题名联合归一化模块和多分支特征的行人重识别
- 1
-
-
作者
任丹萍
董会升
何婷婷
张春华
-
机构
河北工程大学信息与电气工程学院
河北工程大学河北省安防信息感知与处理重点实验室
河北工程大学体育与健康学院
-
出处
《计算机工程与设计》
北大核心
2024年第4期1233-1239,共7页
-
基金
国家重点研发计划基金项目(2018YFF0301004)
国家自然科学基金项目(6210011890、62071071)
+1 种基金
河北省自然科学基金项目(F2021402005)
河北省高等学校科学技术研究基金项目(QN2020193)。
-
文摘
针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。
-
关键词
归一化
行人重识别
注意力机制
多分支特征
特征提取
特征蒸馏损失
三元组损失
-
Keywords
normalization
person re-identification
attention mechanism
multi-branch features
feature extraction
feature distillation loss
triplet loss
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度多分支特征的动作识别
- 2
-
-
作者
张磊
韩广良
-
机构
中国科学院长春光学精密机械与物理研究所
中国科学院大学
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2022年第12期1614-1625,共12页
-
基金
吉林省科技厅重点项目(No.20210201132GX)。
-
文摘
针对基于人体骨架序列的动作识别存在的特征提取不充分、不全面及识别准确率不高的问题,本文提出了基于多分支特征和多尺度时空特征的动作识别模型。首先,利用多种算法的结合对原始数据进行了特征增强;其次,将多分支的特征输入形式改进为多分支的融合特征信息并分别输入到网络中,经过一定深度的网络模块后融合在一起;然后,构建多尺度的时空卷积模块作为网络的基本模块,用来提取多尺度的时空特征;最后,构建整体网络模型输出动作类别。实验结果表明,在NTURGB-D 60数据集的两种划分标准Cross-subject和Cross-view上的识别准确率分别为89.6%和95.1%,在NTURGB-D 120数据集的两种划分标准Cross-subject和Cross-setup上的识别准确率分别为84.1%和86.0%。与其他算法相对比,本文算法提取到了更为多样化、多尺度的动作特征,动作类别的识别准确率有一定的提升。
-
关键词
动作识别
多尺度特征
多分支特征
特征融合
-
Keywords
action recognition
multi-scale features
multi-branch features
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
