基于特征融合的局部表征學習的遮擋行人重識別
摘 要:為了增強行人重識別模型(Re-identification,ReID)的遮擋感知和局部特征捕捉能力,提出一種基于特征融合的局部表征學習的方法。首先,設計遮擋樣本擴充策略,通過模擬多樣化的遮擋場景,有效提升模型的魯棒性和遮擋感知能力。其次,引入局部層次編碼器,在全局語義的指導下提取序列的空間相關性特征,從而增強局部特征的可鑒別性和語義完整性。(剩余589字)
目錄
- 基于圖神經(jīng)網(wǎng)絡的異源圖像配準方...
- 基于多目標平衡優(yōu)化器的共享儲能...
- 基于CEEMDAN 與自相關函...
- 基于特征融合的局部表征學習的遮...
- 基于改進鯨魚算法的工業(yè)操作系統(tǒng)...
- 基于改進的DISK 算法的農(nóng)林...
- 基于深度學習與DTW 融合的軌...
- 可減輕腰椎間盤樣本集類重疊的采...
- 基于YOLOv7-tiny的輕...
- 基于數(shù)據(jù)流圖和混合網(wǎng)絡模型的智...
- 基于結構保持的匿名人臉合成方法...
- 基于門控循環(huán)單元的日志異常檢測...
- 基于時頻特征融合和關系網(wǎng)絡的少...
- 求解單層織物熱濕耦合模型正反問...