-
题名基于跨层注意力与多记忆单元的车辆重识别方法
- 1
-
-
作者
齐玉亮
王伟明
王静
熊彦臻
李慧
-
机构
河北大学河北省机器视觉工程研究中心
河北高速公路集团有限公司京雄分公司
河北省交通运输运行监测与信息服务中心
河北大学网络空间安全与计算机学院
-
出处
《河北大学学报(自然科学版)》
北大核心
2025年第3期327-336,共10页
-
基金
河北高速公路集团“智能车载一体机”科技创新项目(冀高创〔2023〕294号)。
-
文摘
为了提高车辆重识别任务中特征表示的判别性能,目前大部分方法通过多分支结构来分别提取车辆的全局信息和局部细节信息,这样不仅会增加网络参数,同时还会消耗大量的时间.为了解决上述问题,提出了一种基于跨层注意力与多记忆单元的车辆重识别方法.首先,提出一种跨层注意力模块提取单分支网络中浅层的局部空间信息和深层的全局语义信息,再通过跨层注意力机制分配权重来融合不同层的信息,构建实例记忆单元和类别记忆单元分别储存实例级特征和类别级特征,并通过基于多记忆单元的身份损失来削弱噪声样本对特征表示的影响.实验结果表明,所提出方法在VeRi-776数据集上的mAP、CMC@1、CMC@5相比于基线网络分别提高了1.5%、0.3%、0.1%.在VehicleID数据集中测试集大小为800、1600、2400时,CMC@1相比于基线网络分别提高了1.9%、2.8%、3.8%.
-
关键词
跨层注意力
实例记忆单元
类别记忆单元
车辆重识别
-
Keywords
cross-layer attention
instance memory unit
class memory unit
vehicle re-identification
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名多尺度全局自适应注意力图神经网络
被引量：1
- 2
-
-
作者
苟茹茹
杨文柱
罗梓菲
原云峰
-
机构
河北大学网络空间安全与计算机学院
河北大学河北省机器视觉工程研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第12期3039-3051,共13页
-
文摘
针对动态多尺度图神经网络的编解码网络中存在的身体部位内部关节点间关联度不高和感受野受限制导致运动预测误差偏高的问题,提出了一种用于人体运动预测的多尺度全局自适应注意力图神经网络,降低运动预测误差。提出了一种划分骨架关节点的多距离分区策略,用于提高身体部位关节点信息在时间和空间上的关联程度;提出了全局自适应注意力时空卷积神经网络,以动态地加强网络对某一动作有贡献的时空关节点的关注度;将上述两处改进集成到图卷积神经网络门控循环单元中,以增强解码网络的状态传播性能,并降低预测误差。实验表明,与最新方法相比,该方法在Human 3.6M、CMU Mocap和3DPW数据集上的预测误差都有所下降。
-
关键词
运动预测
多距离分区策略
全局自适应注意力
时空图卷积神经网络
门控循环单元
-
Keywords
motion prediction
multi-distance partitioning strategy
global adaptive attention
spatial temporal graph convolution neural network
gated recurrent unit
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
