-
题名结合注意力卷积网络与分块特征的步态识别
被引量：5
- 1
-
-
作者
胡少晖
王修晖
-
机构
中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第3期266-273,共8页
-
基金
国家自然科学基金(61602431)
浙江省自然科学基金(LY20F020018)
浙江省教育厅科研项目(Y201636772)。
-
文摘
目前深度学习算法已经广泛应用于步态识别领域,但是大多数现有方法通过卷积神经网络提取步态全局特征时,忽略了许多包含关键步态信息的局部特征,在一定程度上削弱了步态识别的精度和提升潜力。针对上述问题,提出了一种结合注意力卷积神经网络与分块特征的跨视角步态识别方法,该方法以步态轮廓图序列为输入,每帧图片分别经过相同结构的注意力卷积神经网络融合成整体特征,在网络中加入有效的注意力机制CBAM能显式地建模各空间及通道的重要程度,增大显著区域特征的权重;整体特征被水平分成两块进行训练和步态识别,提取的步态局部特征更适合精细的步态分类。在步态数据集CASIA-B和OU-ISIR-MVLP上进行跨视角步态识别实验,结果证明在训练数据集充足与不足的条件下,该方法在识别精度上均优于现有方法。
-
关键词
步态识别
卷积神经网络
注意力机制
分块特征
-
Keywords
gait recognition
convolutional neural network
attention mechanism
part-level feature
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于空地交叉视图匹配的无人系统视觉定位
被引量：1
- 2
-
-
作者
李佳汶
冯建航
施生生
傅琪
范淑卷
王腾
-
机构
东南大学复杂工程系统测量与控制教育部重点实验室
中国电子科技集团公司信息系统需求重点实验室
-
出处
《指挥信息系统与技术》
2022年第6期16-22,共7页
-
基金
信息系统需求重点实验室开放基金(LHZZ2021-01)资助项目。
-
文摘
空地交叉视图定位是一项极具挑战性的任务,因为2个视图在视觉外观和空间布局上有巨大差异。目前大部分方法将该问题视作图像检索任务,并设计了各种双分支卷积神经网络来学习这2个视图的全局特征嵌入。现有方法未充分利用部分级特征,增加了对不可见数据表示学习的风险。为了应对上述问题,提出了一种新的深度学习算法,首次将部分级特征这一概念引入交叉视图定位领域。该算法通过对全局特征进行切分直接生成部分级特征,并引入部分级监督信息来引导模型学习更具区分度的特征。试验结果表明,该算法在CVUSA数据集上r@1召回率可达93.22%,在不增加参数和计算复杂度的前提下有效提高了匹配准确度。
-
关键词
空地交叉视图定位
深度学习
部分级特征
-
Keywords
ground-to-aerial cross-view geolocalization
deep learning
part-level feature
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—计算机科学与技术]
-
