CASIA OpenIR  > 学术期刊  > 自动化学报
基于可解释注意力部件模型的行人重识别方法
周勇; 王瀚正; 赵佳琦; 陈莹; 姚睿; 陈思霖
发表期刊自动化学报
ISSN0254-4156
2023
卷号49期号:10页码:2159-2171
摘要大多数行人重识别(Person re-identification, ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3个优点:1)利用注意力掩码提取部件特征,解决部件不对齐问题; 2)为了根据部件的显著性程度生成可解释权重,设计可解释权重生成模块(Interpretable weight generation module, IWM); 3)提出显著部件三元损失(Salient part triplet loss, SPTL)用于IWM的训练,提高识别精度和可解释性.在3个主流数据集上进行实验,验证所提出的方法优于现有行人重识别方法.最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分,证明本方法具有良好的可解释性.
关键词行人重识别 注意力机制 可解释深度学习 部件模型
DOI10.16383/j.aas.c200493
引用统计
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/56056
专题学术期刊_自动化学报
推荐引用方式
GB/T 7714
周勇,王瀚正,赵佳琦,等. 基于可解释注意力部件模型的行人重识别方法[J]. 自动化学报,2023,49(10):2159-2171.
APA 周勇,王瀚正,赵佳琦,陈莹,姚睿,&陈思霖.(2023).基于可解释注意力部件模型的行人重识别方法.自动化学报,49(10),2159-2171.
MLA 周勇,et al."基于可解释注意力部件模型的行人重识别方法".自动化学报 49.10(2023):2159-2171.
条目包含的文件 下载所有文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
AAS-CN-2020-0493.pdf(22977KB)期刊论文出版稿开放获取CC BY-NC-SA浏览 下载
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[周勇]的文章
[王瀚正]的文章
[赵佳琦]的文章
百度学术
百度学术中相似的文章
[周勇]的文章
[王瀚正]的文章
[赵佳琦]的文章
必应学术
必应学术中相似的文章
[周勇]的文章
[王瀚正]的文章
[赵佳琦]的文章
相关权益政策
暂无数据
收藏/分享
文件名: AAS-CN-2020-0493.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。