基于多尺度混合注意力的行人重识别模型

针对目前行人重识别中复杂背景下人物容易被遮挡物掩盖和人物特征不明显导致模型难以提取重点特征的问题,提出一种基于多尺度混合注意力的行人重识别模型。在特征提取部分,设计一种特征提取模块,即多尺度混合注意力残差块,通过该模块可得到丰富上下文关系,在频域范围内获得更丰富的通道特征信息。通过在大型数据集Market1501、DukeMTMC-reID、CUHK03-L、CUHK03-D上的验证,行人重识别的精度得到了有效提升,与目前先进的模型结果对比,mAP精度提升了0.3%、2.1%、0.7%、2.9%,Rank1在DukeMTMC-reID、CUHK03-L数据集提升了0.2%、0.8%。