基于维度融合注意力的行人重识别

对于行人重识别,注意力机制具有增强显著特征和抑制不相关特征的优点,而先前基于注意力的方法大多独立关注通道域和空间域而忽略了通道与空间的对应关系。针对这一问题,提出一种维度融合注意力的行人重识别方法。在提取特征期间,采用滑动窗口的方法融合通道维度和空间维度,使用超大一维卷积核不断学习通道与空间之间的关系;在网络的最后阶段引入ECA注意力,ECA注意力具有局部跨通道交互的作用,与维度融合注意力相配合使用能够显著提高重识别率。实验结果表明,该方法在计算成本有限的情况下优于当前大多数方法。