多分支协作OSNet的微结构优化研究

作     者：张磊 吴晓富 张索非 尹梓睿 Zhang Lei;Wu Xiaofu;Zhang Suofei;Yin Zirui

作者机构：南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学物联网学院江苏南京210003 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2020年第36卷第8期

页      面：1335-1343页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61701252) 

主　　题：行人重识别 微结构优化 分支协作网络 特征表示 

摘      要：OSNet是一种有效的轻量级行人重识别网络,因其兼具有轻量化和高性能的优异特点引起了行人重识别领域的关注。最近的研究表明:多分支协作OSNet网络——BC-OSNet能取得更高的识别率。本文在此基础上继续研究网络微结构的调整对BC-OSNet模型性能的影响,重点通过通用池化GeM、连续高斯Dropout、注意力学习Batch DropBlock(BDB)/Relation-Aware Global Attention(RGA)等微结构的有效融入,研究微结构优化的BC-OSNet性能提升效果。实验结果表明:经微结构优化的BC-OSNet在四个行人重识别数据集Market1501,Duke,CUHK03_Labeled和CUHK03_Detected上的mAP分别达到了89.9%,82.1%,84.2%和81.5%,相比初始的BC-OSNet提高0.6%,1.4%,1.1%和1.7%。