基于Transformer与空间注意力机制的行人重识别方法技术

本发明专利技术涉及行人重识别技术领域，具体涉及一种基于Transformer与空间注意力机制的行人重识别方法。本发明专利技术包括如下步骤：S1、选取Transformer encoder特征提取器；S2、加强四个空间注意力模块；针对头部、躯干、下肢、脚引入四个空间注意力模块，定义全局、头部、上肢、下肢、脚的特征；S3、改进训练方法及损失函数。本发明专利技术通过结合Transformer的强大特征提取能力和空间注意力机制，来提升行人重识别的精度和鲁棒性；本发明专利技术提出的方法在market1501数据集、DukeMTMC数据集上、OccludedDuke数据集上的mAP和Rank‑1均取得较佳识别精确度，具有一定的应用前景。

【技术实现步骤摘要】

本专利技术涉及行人重识别，具体涉及一种基于transformer与空间注意力机制的行人重识别方法。

技术介绍

1、在遮挡场景下的行人重识别领域，当前面临的主要挑战包括：行人图像难以有效对齐、遮挡物造成的噪声干扰显著、遮挡区域导致的行人特征信息大量丢失，以及处理图像尺寸不一致的难题。为应对这些技术瓶颈，业界研究者正积极探索解决方案。以中国专利cn113705348a为例，该专利提出了一种创新的行人重识别方法，该方法巧妙融合了多注意力机制。具体而言，它采用堆叠的多层卷积神经网络架构，并集成了通道注意力与空间注意力机制，以精细捕捉行人的多维度特征。通过深度训练与学习，该方法能够从复杂的行人图像中提取出更为丰富且高效的高维特征表示，从而在一定程度上提升了行人重识别的准确性。然而，尽管该方法展现了一定潜力，但仍面临计算复杂度较高及在某些情况下识别精度有待提升的问题。

技术实现思路

1、本专利技术要解决的技术问题是：克服现有技术的不足，提供一种基于transformer与空间注意力机制的行人重识别方法。

2、本文档来自技高网...

【技术保护点】

1.一种基于Transformer与空间注意力机制的行人重识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于Transformer与空间注意力机制的行人重识别方法，其特征在于，所述步骤S2中，全局注意力模块中包含一个通道注意力模块和一个空间注意力模块，特征先由一个通道注意力模块处理，随后由空间注意力模块处理。

3.如权利要求1所述的基于Transformer与空间注意力机制的行人重识别方法，其特征在于，所述步骤S3中，改进训练方法及损失函数运行于装有pytorch框架的NIVIDA 3090TiGPU的训练环境，采用梯度下降SGD优化器对模型进行训练...

【技术特征摘要】

1.一种基于transformer与空间注意力机制的行人重识别方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于transformer与空间注意力机制的行人重识别方法，其特征在于，所述步骤s2中，全局注意力模块中包含一个通道注意力模块和一个空间注意力模块，特征先由一个通道注意力模块处理，随后由空间注意力模块处理。

3.如权利要求1所述的基于transformer与空间注意力机制的行人重识别方法，其特征在于，所述步骤s3中，改进训练方法及损失函数运行于装有pytorch框架的nivida 3090tigpu的训练环境，采用梯度下降sgd优化器对模型进行训练；训练集的掩膜通过jppnet得到，采用空洞卷积模块以及resnet-101作为特征提取器提取图像特征，引入一个空洞池化金字塔模...

【专利技术属性】
技术研发人员：刘冬梅，丁子轩，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：