• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結(jié)合注意力和紋理特征增強(qiáng)的行人再識別

    2022-03-13 09:19:20
    計(jì)算機(jī)與生活 2022年3期
    關(guān)鍵詞:特征

    李 杰

    中國民航大學(xué) 信息網(wǎng)絡(luò)中心,天津300300

    行人再識別旨在識別跨越不同監(jiān)控?cái)z像機(jī)下的同一行人目標(biāo),可廣泛應(yīng)用于視頻監(jiān)控、智能安防等領(lǐng)域中,如可疑人員的追蹤、特定人群的軌跡分析等。但由于不同攝像機(jī)下不同時(shí)間的圖像分辨率差異、光照影響、姿態(tài)和視角多樣等問題,行人再識別仍然是一個(gè)具有較高研究價(jià)值和挑戰(zhàn)性的問題。

    為了克服上述問題,行人再識別分別從兩個(gè)不同的方向發(fā)展:提取魯棒性的行人特征和學(xué)習(xí)合適的距離度量。近年來隨著深度學(xué)習(xí)的蓬勃發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)的行人再識別方法逐步取代傳統(tǒng)的手工特征識別方法成為主流。在科研工作者的不斷努力探索下,行人再識別再次從通過CNN 提取行人特征應(yīng)用到單一行人再識別任務(wù)開始,逐步發(fā)展為結(jié)合屬性等的多任務(wù)行人再識別階段。其中后者的代表工作:2019年Lin 等人在Market-1501這一主流行人再識別數(shù)據(jù)集上添加了行人的屬性標(biāo)簽,并設(shè)計(jì)實(shí)現(xiàn)了結(jié)合屬性特征的多任務(wù)識別模型(attribute person recognition,APR),可有效提高行人再識別的精度。Schumann等人分別設(shè)計(jì)了MultiView Attribute 和Attribute-Complementary Re-id Network 用于屬性識別和行人再識別。隨后,Liu 等人通過在Resnet50的基礎(chǔ)上級聯(lián)Densenet101網(wǎng)絡(luò)能夠更細(xì)致地獲取行人特征,進(jìn)而提高行人再識別的精度。但這些工作或者沒有考慮行人屬性包含信息的差異性,或者采用多網(wǎng)絡(luò)模型結(jié)合,導(dǎo)致訓(xùn)練相對復(fù)雜,應(yīng)用相對較難。

    針對這些問題,本文提出了基于空間注意力和紋理特征增強(qiáng)的多任務(wù)行人再識別算法。主要包括以下四方面:

    (1)設(shè)計(jì)屬性識別網(wǎng)絡(luò)的空間注意力模塊,使網(wǎng)絡(luò)更注重與行人屬性相關(guān)的潛在圖像區(qū)域,同時(shí)抑制與行人無關(guān)的背景區(qū)域的影響,實(shí)現(xiàn)屬性特征挖掘從而提高行人屬性識別準(zhǔn)確性。

    (2)設(shè)計(jì)行人再識別網(wǎng)絡(luò)的紋理特征增強(qiáng)模塊,通過結(jié)合不同空間級別的全局和局部行人表觀特征,融合輪廓性和顯著性特征來提高行人再識別準(zhǔn)確性。

    (3)提出多任務(wù)加權(quán)損失函數(shù),使屬性識別網(wǎng)絡(luò)和行人再識別網(wǎng)絡(luò)有效聯(lián)合,并將屬性特征作為輔助信息融入行人特征,避免由屬性異質(zhì)性造成行人再識別精度損失。

    (4)本文算法在Market-1501和DukeMTMC-reID兩大公開行人再識別數(shù)據(jù)集的平均精度分別可以達(dá)到81.1%和70.1%。

    1 基本原理

    1.1 整體框架

    本文方法的整體框架如圖1 所示,主要分為三部分:第一部分為采用ResNet50 作為骨干網(wǎng)絡(luò)提取特征;第二、三部分分別為基于空間注意力的屬性識別網(wǎng)絡(luò)和紋理特征增強(qiáng)的行人再識別網(wǎng)絡(luò)。引入屬性識別網(wǎng)絡(luò)的原因在于,包括性別、年齡等屬性特征與行人特征在一定程度上是緊密相連且互為補(bǔ)充的,可有效提高行人再識別的準(zhǔn)確率。在屬性識別網(wǎng)絡(luò)中添加空間注意力模塊是為了抑制無關(guān)背景區(qū)域,使網(wǎng)絡(luò)本身更注重于與特定屬性相關(guān)的,對識別更有利的潛在圖像區(qū)域。行人再識別網(wǎng)絡(luò)中的紋理特征增強(qiáng)模塊通過融合映射身體結(jié)構(gòu)分布的全局和局部特征,彌補(bǔ)因遮擋或姿態(tài)變換等特征不全情況下識別率低的短板。圖1 中“+”表示像素值點(diǎn)積的特征融合方式。

    圖1 整體框架Fig.1 Overall structure

    1.2 基于空間注意力的屬性識別網(wǎng)絡(luò)

    屬性識別網(wǎng)絡(luò)的引入是為了從行人圖像中學(xué)習(xí)更有判別性的屬性特征描述。特定的行人屬性可以從圖像中的一個(gè)甚至多個(gè)區(qū)域獲得。為了更好地學(xué)習(xí)這些屬性特征,需要卷積神經(jīng)網(wǎng)絡(luò)更注重于這些相對應(yīng)的區(qū)域。這些與屬性特征相關(guān)的區(qū)域不一定與標(biāo)注的目標(biāo)區(qū)域相對應(yīng)。與此同時(shí),行人各個(gè)屬性之間也是存在語義相關(guān)的,某個(gè)屬性的存在與否有助于推理其他屬性的存在與否。與此同時(shí),在文獻(xiàn)[11]中,通過實(shí)驗(yàn)證明了采用注意力模塊使得網(wǎng)絡(luò)能聚焦于更與行人相關(guān)的屬性特征區(qū)域,注意力分配概率分布更加偏向于關(guān)聯(lián)性強(qiáng)的屬性,以及在一定程度上減弱了網(wǎng)絡(luò)對行人無關(guān)的背景區(qū)域的關(guān)注。例如,女性和長發(fā)同時(shí)出現(xiàn)的概率高,而手提一個(gè)包和背一個(gè)雙肩包同時(shí)出現(xiàn)的概率則低得多。這些特點(diǎn)有助于屬性識別并提高行人識別的精度。

    為了使網(wǎng)絡(luò)更加關(guān)注與屬性相關(guān)的圖像區(qū)域以及挖掘?qū)傩蕴匦缘南嚓P(guān)性,本文提出了基于空間注意力的屬性識別網(wǎng)絡(luò)。其中空間注意力模塊的結(jié)構(gòu)圖如圖2 所示。空間注意力模塊包括全局最大池化、全局中值池化和全局均值池化三個(gè)池化層,一個(gè)通道相加的特征融合操作,一個(gè)普通卷積層和激活函數(shù),一個(gè)統(tǒng)一特征的采樣操作和像素值點(diǎn)積的特征融合操作。空間注意力模塊可用式(1)表示:

    圖2 空間注意力模塊結(jié)構(gòu)圖Fig.2 Structure diagram of spatial attention module

    其中,代表輸入特征圖;、、分別代表全局均值、中值和最大池化;、分別代表像素值點(diǎn)積和通道相加的特征融合方式;代表普通卷積,代表sigmod 激活函數(shù),代表雙線性差值的上采樣操作。該空間注意力模塊,采用包括全局、均值和中值的多層次池化來獲得空間上對行人更有效的顯著屬性特征,利用通道相加的特征融合操作來將多層次池化獲得的有效特征在通道層面實(shí)現(xiàn)融合,設(shè)計(jì)的卷積層和激活函數(shù)構(gòu)成的激勵(lì)將融合新特征的權(quán)重進(jìn)行再次優(yōu)化分配,最終再通過采樣和引入原始特征的點(diǎn)積融合操作來進(jìn)一步關(guān)注更具有判別性的、與行人相關(guān)的屬性特征。這樣的屬性挖掘方式不僅能提高重要屬性所對應(yīng)區(qū)域的權(quán)重,還能同時(shí)降低背景等對應(yīng)圖像特征的權(quán)重,進(jìn)而提高了屬性識別網(wǎng)絡(luò)的性能。

    1.3 紋理特征增強(qiáng)的行人再識別網(wǎng)絡(luò)

    行人再識別的最終環(huán)節(jié)在于特征的相似度比較。而特征的有效獲取是相似度比較的基礎(chǔ)。引入的紋理特征增強(qiáng)模塊能夠更好地提取全局和局部行人特征,進(jìn)而實(shí)現(xiàn)快速準(zhǔn)確的行人特征匹配。其中紋理特征增強(qiáng)模塊的結(jié)構(gòu)圖見圖1 中的虛線框部分。其中全局特征是指行人的整體特征,包括顏色紋理等,是相關(guān)性較強(qiáng)的特征,在圖像遮擋的情況下表達(dá)能力較差。而與之相對的局部特征,包括邊緣、角點(diǎn)等,特征穩(wěn)定,特征相關(guān)性稍弱,遮擋時(shí)仍能通過部分特征來感知整體特點(diǎn)。本節(jié)通過紋理特征增強(qiáng)模塊中的多種操作使得行人再識別網(wǎng)絡(luò)獲得更全面的全局特征和更精準(zhǔn)的局部特征,進(jìn)而在一定程度上克服因遮擋等造成的行人再識別網(wǎng)絡(luò)性能下降的問題。

    紋理特征增強(qiáng)模塊主要包括可變形卷積操作、水平金字塔分割、全局均值、最大池化以及像素值點(diǎn)積的特征融合四部分。第一步引入可變形卷積操作不僅在一定程度上突破了固定采樣、固定感受野的限制,將特征聚集在行人等非剛體的姿態(tài)變化上,還能融入更合理的上下文信息以及邊緣信息。其中標(biāo)準(zhǔn)卷積和可變形卷積的感受野示例如圖3 所示。第二步采用水平金字塔分割操作,目的在于將特征分為與人體上下半身空間相對應(yīng)的水平局部特征。對于采用水平金字塔分割而不采用包括垂直分割等的其他分割方式,原因在于水平分割后的兩部分特征更能和人體的上下半身特征相對應(yīng)。同時(shí)在文獻(xiàn)[19]中的實(shí)驗(yàn)分析中,在保證實(shí)驗(yàn)公平,只有分割方式一種變量的前提下,對采用不分割、垂直分割、水平金字塔分割三種方式進(jìn)行對比,三種的平均精度分別為51.9%、59.6%和63.9%。第三步對由HPP(horizontal pyramid pooling)所得的局部特征和可表達(dá)顏色紋理以及形狀的行人全局特征進(jìn)行全局均值池化和全局最大池化。這一步操作一方面可以對多種特征進(jìn)行維度統(tǒng)一,便于后續(xù)對接固定數(shù)目的全連接層;另一方面可以進(jìn)一步獲得具有輪廓性和顯著性特點(diǎn)的特征。最后一步將這多種特征進(jìn)行像素值點(diǎn)積的特征融合操作,最終得到紋理特征增強(qiáng)模塊輸出的多路有效行人特征。紋理特征增強(qiáng)模塊不僅使網(wǎng)絡(luò)的關(guān)注點(diǎn)更聚焦在行人特征上,同時(shí)使模塊輸出特征兼具行人局部和全局特征的特點(diǎn),在一定程度上解決了因遮擋、姿態(tài)變化等引起的識別率降低的問題。

    圖3 兩種卷積的感受野示例Fig.3 Examples of two convolutional receptive fields

    1.4 多任務(wù)加權(quán)損失函數(shù)

    行人特征與屬性特征可互為補(bǔ)充,有效地利用行人屬性信息在一定程度上可以減弱視角、光照強(qiáng)度變化等的影響,進(jìn)而提高行人再識別任務(wù)的精度。但如果將屬性特征與行人特征直接進(jìn)行特征融合,雖然有包括像素值相加、像素值點(diǎn)積和通道相加等特征融合方式,但還是會(huì)由于屬性的異質(zhì)性及兩者特征的差異性影響到融合特征的有效性,進(jìn)而干擾行人再識別的精度。針對這一問題,本文提出了多任務(wù)加權(quán)損失函數(shù)。

    多任務(wù)加權(quán)損失函數(shù)主要分為兩大部分:一部分為屬性識別損失;另一部分為行人再識別損失,其中行人再識別損失可根據(jù)特征的劃分再分為行人的全局特征損失、上半身和下半身特征損失三部分。對于屬性識別部分,選擇與一般基于屬性的行人識別方法不同,這里對每一個(gè)屬性都采用了Softmax 損失。假定數(shù)據(jù)集中共有類行人,每個(gè)行人有屬性種,其中每個(gè)屬性包含的類別數(shù)為K,∈{1,2,…,}。如屬性為行人性別,則類別數(shù)的值為2。那么行人屬性屬于其中第個(gè)類別的預(yù)測概率值可用式(2)來表示,其中∈{1,2,…,K}。屬性經(jīng)過Softmax 后回歸所得的交叉熵?fù)p失即為式(3)。最終的屬性識別損失函數(shù)見式(4)。

    其中,z() 為全連接層輸出的屬性的第個(gè)值。{·}是示性函數(shù),{}=1,{}=0 。 y為該樣本的第個(gè)屬性的真實(shí)屬性類別。

    對于行人再識別部分,按照劃分的行人特征分為全局特征、上半身和下半身特征。在訓(xùn)練過程中對每一部分特征都會(huì)計(jì)算一個(gè)分類損失值,其中全局特征行人再識別的交叉熵?fù)p失函數(shù)如式(5)所示:

    其中,∈{1,2,…,},p為該樣本屬于第類行人的概率預(yù)測值,計(jì)算方法與式(2)一致,為該樣本的真實(shí)行人類別。由上述公式最終可得多任務(wù)加權(quán)損失函數(shù)如式(6)所示:

    其中,、分別代表行人的上半身和下半身特征損失,計(jì)算方法與式(5)一致。

    上述1.2~1.4 節(jié)分別從為獲得更有判別力屬性特征的基于空間注意力的屬性識別網(wǎng)絡(luò)部分,可有效提取行人全局及局部特征的行人再識別網(wǎng)絡(luò)部分以及能充分發(fā)揮行人特征與屬性特征的多任務(wù)損失函數(shù)三方面進(jìn)行了分析。通過三部分的優(yōu)化設(shè)計(jì),聯(lián)合使用,在充分增強(qiáng)行人特征的基礎(chǔ)上,不斷挖掘?qū)傩蕴卣髦g的相關(guān)性,再利用多任務(wù)損失函數(shù)將兩個(gè)網(wǎng)絡(luò)同時(shí)訓(xùn)練,使行人特征融合與之契合的屬性特征,增強(qiáng)算法整體的魯棒性。

    2 實(shí)驗(yàn)結(jié)果及分析

    2.1 實(shí)驗(yàn)設(shè)置

    為了驗(yàn)證方法的有效性,分別采用Market-1501和DukeMTMC-reID 數(shù)據(jù)集進(jìn)行訓(xùn)練。為了使模型具有更好的魯棒性和泛化性能,在訓(xùn)練的過程中采用了隨機(jī)水平翻轉(zhuǎn)、裁剪等數(shù)據(jù)增強(qiáng)操作。訓(xùn)練過程中圖像大小統(tǒng)一為384×128,損失函數(shù)使用交叉熵?fù)p失,批處理數(shù)量設(shè)置為64,訓(xùn)練批次設(shè)置為60,學(xué)習(xí)率初始值設(shè)置為0.01,優(yōu)化過程采用隨機(jī)梯度下降算法,其中動(dòng)量設(shè)置為0.9。

    2.2 控制變量實(shí)驗(yàn)及分析

    為了驗(yàn)證本文算法的有效性,本文在Market-1501 和DukeMTMC-reID 兩大主流的行人再識別數(shù)據(jù)集上進(jìn)行多組實(shí)驗(yàn)分析。其中本文表中的評價(jià)指標(biāo)Rank-1 和mAP(mean average precision)的具體含義分別如下:Rank-表示對行人圖像特征按照相似度大小進(jìn)行排序后,在排序結(jié)果中前張圖像與查詢圖像具有相同行人ID 的準(zhǔn)確率。Rank-1 則表示為計(jì)算在排序后的測試集中前1 張圖像中能找到與查詢圖片相同標(biāo)簽的圖像的準(zhǔn)確率。mAP 是將多分類任務(wù)中的平均精度(average precision,AP)求和再取平均,其中AP 的計(jì)算為查準(zhǔn)率(precision)和查全率(recall)構(gòu)成的P-R 曲線圖曲線下方的面積。

    首先為了驗(yàn)證空間注意力模塊對于屬性識別網(wǎng)絡(luò)的有效性,通過對比移除空間注意力模塊前后,模型在DukeMTMC-attribute 數(shù)據(jù)集上的效果,來得出其對于屬性識別網(wǎng)絡(luò)的貢獻(xiàn)。具體評測結(jié)果見表1所示。

    表1 中,L.up、B.pack、H.bag、C.shoes、C.up、C.low分別代表袖子長度、背包、手提包、鞋子顏色、上半身衣服顏色、下半身衣服顏色。從表1 中可以看出,在包含空間注意力模塊之后,行人屬性的mAP 提高了7個(gè)百分點(diǎn)左右。而針對單個(gè)屬性而言,除了Bag 屬性有稍微的降低之外,其他的9 種屬性均有不同程度的提升。

    表1 空間注意力模塊對屬性識別的有效性驗(yàn)證Table 1 Validity verification of spatial attention module for attribute recognition %

    其次為了驗(yàn)證多任務(wù)加權(quán)損失函數(shù)中權(quán)重系數(shù)對于算法性能的影響,本文對不同的值進(jìn)行了多組實(shí)驗(yàn),具體實(shí)驗(yàn)結(jié)果見表2 所示。

    從表2 可以看出,對于Market-1501 數(shù)據(jù)集,當(dāng)=4 時(shí)取得的效果最好,而在DukeMTMC 數(shù)據(jù)集上=2 時(shí)的效果最好,但是=4 的結(jié)果與=2 的結(jié)果相差只有0.1 個(gè)百分點(diǎn)。綜合考慮,本文最終選擇=4。

    表2 不同λ 值在數(shù)據(jù)集上的結(jié)果Table 2 Results of different λ on datasets

    為了進(jìn)一步驗(yàn)證文中提出的各個(gè)模塊的有效性,本文設(shè)計(jì)了4 組控制變量實(shí)驗(yàn)來分析不同情況對行人再識別平均準(zhǔn)確率的影響。4 組實(shí)驗(yàn)分別為不包含空間注意力模塊的屬性識別網(wǎng)絡(luò)、不包含紋理特征增強(qiáng)模塊的行人再識別網(wǎng)絡(luò)、單任務(wù)屬性識別網(wǎng)絡(luò)和單任務(wù)行人再識別網(wǎng)絡(luò)。其中第三組和第四組單任務(wù)識別網(wǎng)絡(luò)中都分別包含了空間注意力和紋理特征增強(qiáng)模塊。為了保證實(shí)驗(yàn)的公平性,4 組實(shí)驗(yàn)的訓(xùn)練過程都采用了隨機(jī)水平翻轉(zhuǎn)、裁剪等相同的數(shù)據(jù)增強(qiáng)操作。其中具體的評測結(jié)果見表3 所示。

    在實(shí)驗(yàn)1 中,本文將屬性識別中的空間注意力模塊去掉,將輸入特征圖直接進(jìn)行屬性識別。從表3 中可以看到,缺少空間注意力模塊的mAP 值相對完整網(wǎng)絡(luò)在兩個(gè)數(shù)據(jù)集上相差2 個(gè)百分點(diǎn)左右。在實(shí)驗(yàn)2中,本文將紋理特征增強(qiáng)模塊去掉,主要去掉其中可變性卷積操作、全局最大池化、全局均值池化以及像素值點(diǎn)積的特征融合方法,但仍然進(jìn)行水平金字塔分割等操作,只對得到特征圖進(jìn)行普通池化,使得特征圖可輸入相對應(yīng)的全連接層。從表3 中可以看到,缺少紋理特征模塊的mAP值相對完整網(wǎng)絡(luò)在Market-1501 和DukeMTMC-reID 數(shù)據(jù)集分別相差約3 個(gè)百分點(diǎn)和4 個(gè)百分點(diǎn)。

    為了進(jìn)一步驗(yàn)證本文算法的有效性,本文繼續(xù)設(shè)計(jì)了實(shí)驗(yàn)3 和實(shí)驗(yàn)4。在實(shí)驗(yàn)3 中,只利用單任務(wù)屬性識別網(wǎng)絡(luò)進(jìn)行行人再識別任務(wù)。通過表3 中結(jié)果可以看出,只使用單任務(wù)屬性識別網(wǎng)絡(luò)在行人再識別任務(wù)中表現(xiàn)相對較差。在實(shí)驗(yàn)4 中,只使用單任務(wù)行人再識別網(wǎng)絡(luò)進(jìn)行行人再識別任務(wù),通過表3 中結(jié)果看出,只利用了行人特征而不結(jié)合與之互為補(bǔ)充的屬性信息,在最終的識別精度上相較完整網(wǎng)絡(luò)在兩個(gè)數(shù)據(jù)集上相差4~5 個(gè)百分點(diǎn)。通過4 組對比實(shí)驗(yàn)的結(jié)果及分析,可以得出缺少行人再識別網(wǎng)絡(luò)對算法精度影響最大,缺少屬性識別網(wǎng)絡(luò)中的空間注意模塊影響最小。同時(shí)可以看出本文所設(shè)計(jì)的3個(gè)子模塊缺少其中任意一個(gè)都會(huì)影響算法的性能,只有聯(lián)合使用,構(gòu)成完整算法時(shí),效果最佳。綜上所述,本文提出的基于空間注意力的屬性識別網(wǎng)絡(luò)、紋理特征增強(qiáng)的行人再識別網(wǎng)絡(luò)及多任務(wù)加權(quán)損失函數(shù)對行人再識別任務(wù)的識別精度是有明顯提升的。

    表3 Market-1501 和DukeMTMC-reID評測集結(jié)果對比Table 3 Results comparison of Market-1501 and DukeMTMC-reID evaluation sets

    2.3 與現(xiàn)有方法比較

    為了進(jìn)一步驗(yàn)證本文算法的性能,本節(jié)在Market-1501 和DukeMTMC-reID 兩大主流的行人再識別數(shù)據(jù)集上采用官方的評測程序,將本文的基于空間注意力和紋理特征增強(qiáng)的多任務(wù)行人再識別算法與多種目前流行的方法進(jìn)行對比。在比較過程中為了保證實(shí)驗(yàn)公平性,選取的比較方法在訓(xùn)練過程中同樣采用了隨機(jī)水平翻轉(zhuǎn)、裁剪等數(shù)據(jù)增強(qiáng)操作。同時(shí)為了充分體現(xiàn)本文算法的魯棒性,本節(jié)將對比實(shí)驗(yàn)分為兩組,分別為單任務(wù)行人再識別算法和多任務(wù)行人再識別算法。具體實(shí)驗(yàn)結(jié)果如表4 所示。

    從表4中可以看出,在Market-1501和DukeMTMCreID 兩個(gè)數(shù)據(jù)集上的對比評測結(jié)果里,本文算法優(yōu)于其他單任務(wù)行人再識別算法。而在與其他多任務(wù)行人再識別算法的比較中,本文算法雖然在DukeMTMC-reID 數(shù)據(jù)集上稍弱于最好的CA3Net,但是在Market-1501 數(shù)據(jù)集上卻比JCM 和CA3Net 表現(xiàn)得更為優(yōu)異。其中JCM 的基礎(chǔ)網(wǎng)絡(luò)采用的是Resnet50 加Desnet101,而本文設(shè)計(jì)的行人再識別網(wǎng)絡(luò)模型僅采用Resnet50,在模型大小上要比JCM 模型小很多。而CA3Net在網(wǎng)絡(luò)中添加LSTM(long short-term memory)等模塊,在速度上并不占優(yōu)。CA3Net 需要在兩塊TitanXP 顯卡進(jìn)行70 個(gè)循環(huán)次數(shù)(epochs)才能達(dá)到表中所示精度,而本文方法只需要在一塊1080 顯卡上迭代60 個(gè)epochs 便可以達(dá)到目前的精度。這也從另一方面證明了本文所提出的基于空間注意力和紋理特征增強(qiáng)的多任務(wù)行人再識別算法的魯棒性。

    表4 與現(xiàn)有方法在Market-1501 和DukeMTMC-reID 數(shù)據(jù)集上的結(jié)果對比Table 4 Comparison with existing methods on Market-1501 and DukeMTMC-reID datasets

    3 結(jié)束語

    本文提出的基于空間注意力和紋理特征增強(qiáng)的多任務(wù)行人再識別算法,通過基于空間注意力模塊的屬性識別網(wǎng)絡(luò)使網(wǎng)絡(luò)實(shí)現(xiàn)了屬性特征的挖掘,抑制了無關(guān)背景區(qū)域。通過融入行人再識別網(wǎng)絡(luò)的紋理特征增強(qiáng)模塊將特征聚集在行人等非剛體的姿態(tài)變化上,同時(shí)使特征兼具行人局部和全局特征的特點(diǎn)。最后通過多任務(wù)加權(quán)損失函數(shù)將屬性特征和行人特征有效融合,提高了行人再識別的識別精度,同時(shí)使得模型具有了更好的泛化性能。

    猜你喜歡
    特征
    抓住特征巧觀察
    離散型隨機(jī)變量的分布列與數(shù)字特征
    具有兩個(gè)P’維非線性不可約特征標(biāo)的非可解群
    月震特征及與地震的對比
    如何表達(dá)“特征”
    被k(2≤k≤16)整除的正整數(shù)的特征
    不忠誠的四個(gè)特征
    詈語的文化蘊(yùn)含與現(xiàn)代特征
    新聞傳播(2018年11期)2018-08-29 08:15:24
    抓住特征巧觀察
    基于特征篩選的模型選擇
    天堂俺去俺来也www色官网| 九草在线视频观看| a级毛片免费高清观看在线播放| 18禁在线无遮挡免费观看视频| 色94色欧美一区二区| 人妻人人澡人人爽人人| 亚洲av中文av极速乱| 妹子高潮喷水视频| 日韩制服骚丝袜av| 99久久精品一区二区三区| 丰满迷人的少妇在线观看| av.在线天堂| 啦啦啦啦在线视频资源| 免费久久久久久久精品成人欧美视频 | 黄色一级大片看看| 婷婷色综合www| 国内少妇人妻偷人精品xxx网站| 在线观看www视频免费| 国产熟女欧美一区二区| 少妇 在线观看| 女人精品久久久久毛片| 国产在线视频一区二区| 久久精品久久久久久久性| 国产男人的电影天堂91| 精品酒店卫生间| 国产中年淑女户外野战色| 五月伊人婷婷丁香| 99久久精品一区二区三区| 成人无遮挡网站| 99久久精品热视频| 日本黄色日本黄色录像| 亚洲欧美日韩东京热| 国产日韩欧美在线精品| 亚洲国产精品国产精品| 久久久久久久国产电影| 亚洲av不卡在线观看| 免费黄色在线免费观看| 亚洲精品日本国产第一区| 五月天丁香电影| 一区二区三区乱码不卡18| 观看美女的网站| 日本爱情动作片www.在线观看| 欧美少妇被猛烈插入视频| 国产成人精品婷婷| 免费av中文字幕在线| 成人18禁高潮啪啪吃奶动态图 | 国产伦在线观看视频一区| 中文资源天堂在线| 国产探花极品一区二区| 国产伦理片在线播放av一区| 欧美+日韩+精品| av有码第一页| 五月开心婷婷网| 波野结衣二区三区在线| 久久久久久久久久久免费av| 亚洲经典国产精华液单| 成年人免费黄色播放视频 | a级毛片在线看网站| 2022亚洲国产成人精品| 22中文网久久字幕| 人妻夜夜爽99麻豆av| 中文天堂在线官网| 伊人亚洲综合成人网| 寂寞人妻少妇视频99o| 夜夜看夜夜爽夜夜摸| 我的老师免费观看完整版| 国产免费福利视频在线观看| 天堂中文最新版在线下载| 亚洲欧美精品自产自拍| 边亲边吃奶的免费视频| 日韩av不卡免费在线播放| 亚洲精品自拍成人| 免费高清在线观看视频在线观看| 男的添女的下面高潮视频| 天天操日日干夜夜撸| 久久99一区二区三区| 伊人亚洲综合成人网| 欧美精品人与动牲交sv欧美| 男女啪啪激烈高潮av片| 日韩一本色道免费dvd| 自拍偷自拍亚洲精品老妇| 亚洲精品亚洲一区二区| 久久久久久久久久人人人人人人| 激情五月婷婷亚洲| 青春草亚洲视频在线观看| 噜噜噜噜噜久久久久久91| 9色porny在线观看| 搡老乐熟女国产| 亚洲国产精品一区三区| 国精品久久久久久国模美| 一区二区三区乱码不卡18| 女性被躁到高潮视频| 97精品久久久久久久久久精品| 丰满饥渴人妻一区二区三| 黑人巨大精品欧美一区二区蜜桃 | av福利片在线| xxx大片免费视频| 免费av中文字幕在线| 国产精品人妻久久久影院| 国产精品人妻久久久影院| 免费av中文字幕在线| 18禁在线播放成人免费| 午夜免费鲁丝| 日日爽夜夜爽网站| 日韩免费高清中文字幕av| 下体分泌物呈黄色| 韩国高清视频一区二区三区| 纯流量卡能插随身wifi吗| 欧美一级a爱片免费观看看| 久久狼人影院| 日韩成人伦理影院| 国产精品麻豆人妻色哟哟久久| 美女中出高潮动态图| 精品少妇黑人巨大在线播放| 伦理电影大哥的女人| 国产免费一级a男人的天堂| 成人黄色视频免费在线看| 国产成人免费观看mmmm| 免费久久久久久久精品成人欧美视频 | 最近最新中文字幕免费大全7| 婷婷色综合大香蕉| 日韩av不卡免费在线播放| 久久精品久久久久久噜噜老黄| 精品国产一区二区久久| 五月玫瑰六月丁香| 国产亚洲最大av| 亚洲色图综合在线观看| 曰老女人黄片| 免费看av在线观看网站| 久久精品国产亚洲av天美| 国产免费又黄又爽又色| 国产av一区二区精品久久| 久久久久久久久久久免费av| 国产精品久久久久久久电影| 91午夜精品亚洲一区二区三区| 亚洲欧洲国产日韩| 精品久久久久久久久av| 黄色毛片三级朝国网站 | av有码第一页| 高清午夜精品一区二区三区| 美女大奶头黄色视频| 又大又黄又爽视频免费| 日韩av免费高清视频| 久久影院123| 国产精品久久久久成人av| 色视频www国产| 新久久久久国产一级毛片| 久热这里只有精品99| 五月开心婷婷网| 男女边摸边吃奶| 亚洲伊人久久精品综合| 欧美少妇被猛烈插入视频| 一区二区三区乱码不卡18| 亚洲欧美日韩另类电影网站| 新久久久久国产一级毛片| 国产探花极品一区二区| 交换朋友夫妻互换小说| 欧美日韩在线观看h| 美女主播在线视频| 国产男人的电影天堂91| 一区二区三区四区激情视频| 国产精品久久久久久av不卡| 韩国高清视频一区二区三区| 涩涩av久久男人的天堂| 伦精品一区二区三区| 成人亚洲精品一区在线观看| 久久久亚洲精品成人影院| 3wmmmm亚洲av在线观看| 一级毛片电影观看| 国产精品久久久久久av不卡| 熟女人妻精品中文字幕| 亚洲精品国产av蜜桃| 伦精品一区二区三区| 永久网站在线| 国产一区二区在线观看日韩| 九色成人免费人妻av| 大片免费播放器 马上看| 国产69精品久久久久777片| 另类亚洲欧美激情| 美女脱内裤让男人舔精品视频| 亚洲精品视频女| 99热网站在线观看| 久久青草综合色| 狂野欧美白嫩少妇大欣赏| 国产精品麻豆人妻色哟哟久久| 久久久久久久久久久免费av| 日本av免费视频播放| 国产高清国产精品国产三级| 成人免费观看视频高清| 国产视频内射| 日本91视频免费播放| 人妻制服诱惑在线中文字幕| 日本黄大片高清| 最新中文字幕久久久久| 在线观看美女被高潮喷水网站| 欧美xxxx性猛交bbbb| 精品人妻一区二区三区麻豆| 99国产精品免费福利视频| 天堂中文最新版在线下载| 国产伦精品一区二区三区视频9| 国产精品一区二区在线不卡| 久久国内精品自在自线图片| 晚上一个人看的免费电影| 在线播放无遮挡| 日韩欧美 国产精品| 亚洲精品色激情综合| 午夜91福利影院| 在线观看人妻少妇| 中文资源天堂在线| 在线看a的网站| 日日撸夜夜添| 国产免费视频播放在线视频| 亚洲国产欧美日韩在线播放 | 搡女人真爽免费视频火全软件| 日韩成人av中文字幕在线观看| 久久精品久久久久久久性| 午夜免费男女啪啪视频观看| 纵有疾风起免费观看全集完整版| 18禁裸乳无遮挡动漫免费视频| 国产精品久久久久久av不卡| 久久久久久久大尺度免费视频| 欧美老熟妇乱子伦牲交| 你懂的网址亚洲精品在线观看| 美女主播在线视频| 一级毛片久久久久久久久女| 亚洲人与动物交配视频| 国产色婷婷99| 国产av精品麻豆| 菩萨蛮人人尽说江南好唐韦庄| 午夜福利视频精品| 亚洲美女搞黄在线观看| 内射极品少妇av片p| 国产精品偷伦视频观看了| 亚洲欧洲日产国产| 51国产日韩欧美| 日韩一区二区视频免费看| 日本黄大片高清| av又黄又爽大尺度在线免费看| 国模一区二区三区四区视频| 美女视频免费永久观看网站| 久久毛片免费看一区二区三区| 22中文网久久字幕| 免费不卡的大黄色大毛片视频在线观看| 国产精品久久久久久av不卡| 亚洲精品中文字幕在线视频 | 交换朋友夫妻互换小说| 亚洲国产欧美在线一区| 国产精品熟女久久久久浪| 日本欧美视频一区| 国产成人精品无人区| 色吧在线观看| 中文字幕精品免费在线观看视频 | 激情五月婷婷亚洲| 最近的中文字幕免费完整| 另类亚洲欧美激情| 日产精品乱码卡一卡2卡三| 久久久久人妻精品一区果冻| 亚洲精品成人av观看孕妇| 久久毛片免费看一区二区三区| freevideosex欧美| 黑人猛操日本美女一级片| 最近2019中文字幕mv第一页| 国产午夜精品一二区理论片| freevideosex欧美| 亚洲欧洲日产国产| 秋霞在线观看毛片| 国产精品不卡视频一区二区| 免费人妻精品一区二区三区视频| 一级二级三级毛片免费看| 在线观看www视频免费| 日本黄色日本黄色录像| 婷婷色综合大香蕉| 国产高清有码在线观看视频| 午夜精品国产一区二区电影| 亚洲欧美日韩东京热| 又大又黄又爽视频免费| 国产黄片视频在线免费观看| 秋霞在线观看毛片| 日韩成人伦理影院| 在线观看免费日韩欧美大片 | 国产高清国产精品国产三级| 国产中年淑女户外野战色| 久久亚洲国产成人精品v| 一区二区三区精品91| 天堂8中文在线网| 纯流量卡能插随身wifi吗| 大香蕉久久网| 最新中文字幕久久久久| 一区二区三区免费毛片| 黑人巨大精品欧美一区二区蜜桃 | 51国产日韩欧美| 国产又色又爽无遮挡免| 久久久午夜欧美精品| 国产高清国产精品国产三级| 日韩一区二区三区影片| 99re6热这里在线精品视频| 如日韩欧美国产精品一区二区三区 | 国产又色又爽无遮挡免| 亚洲精品久久久久久婷婷小说| 成人漫画全彩无遮挡| 日韩一区二区三区影片| 人妻一区二区av| 久久久久精品久久久久真实原创| 大片免费播放器 马上看| av在线app专区| av.在线天堂| 七月丁香在线播放| 一本久久精品| 久久精品国产鲁丝片午夜精品| 亚洲国产精品成人久久小说| 国产成人精品一,二区| av.在线天堂| 九色成人免费人妻av| 日韩一区二区三区影片| 久久久久久久久久成人| 少妇被粗大猛烈的视频| 嫩草影院入口| 久久国产精品男人的天堂亚洲 | 亚洲精品第二区| 日韩成人伦理影院| 精品国产乱码久久久久久小说| 国产免费视频播放在线视频| videos熟女内射| 人妻夜夜爽99麻豆av| 黑人猛操日本美女一级片| 国产69精品久久久久777片| www.av在线官网国产| 日日撸夜夜添| 亚洲国产精品成人久久小说| 熟女av电影| 深夜a级毛片| 国语对白做爰xxxⅹ性视频网站| 国产高清三级在线| 边亲边吃奶的免费视频| 偷拍熟女少妇极品色| 欧美成人午夜免费资源| 中文字幕人妻丝袜制服| 国产精品免费大片| 国产69精品久久久久777片| 大香蕉久久网| 亚洲欧美成人综合另类久久久| 亚洲国产最新在线播放| av在线老鸭窝| 亚洲一区二区三区欧美精品| 人人妻人人添人人爽欧美一区卜| 老熟女久久久| 亚洲国产精品一区二区三区在线| 菩萨蛮人人尽说江南好唐韦庄| 日韩欧美精品免费久久| 久久久久久久亚洲中文字幕| a级毛片在线看网站| 免费观看性生交大片5| av在线app专区| 亚洲精品乱码久久久久久按摩| 国产高清有码在线观看视频| 免费黄网站久久成人精品| 国产免费福利视频在线观看| 国产男人的电影天堂91| 色视频www国产| 欧美最新免费一区二区三区| 2018国产大陆天天弄谢| 水蜜桃什么品种好| 日本黄色日本黄色录像| 亚洲伊人久久精品综合| 婷婷色综合www| 91精品一卡2卡3卡4卡| 草草在线视频免费看| 中文字幕精品免费在线观看视频 | 免费av不卡在线播放| xxx大片免费视频| 国产无遮挡羞羞视频在线观看| av福利片在线观看| 伦理电影免费视频| 中文字幕制服av| 制服丝袜香蕉在线| 久久综合国产亚洲精品| 老熟女久久久| 91午夜精品亚洲一区二区三区| 久久国产亚洲av麻豆专区| 日韩电影二区| 一区二区三区精品91| 夜夜骑夜夜射夜夜干| 午夜福利,免费看| 免费观看a级毛片全部| av不卡在线播放| 日韩在线高清观看一区二区三区| 精品一区二区免费观看| 下体分泌物呈黄色| 精品酒店卫生间| 欧美国产精品一级二级三级 | 一级毛片黄色毛片免费观看视频| 搡老乐熟女国产| 高清在线视频一区二区三区| 亚洲精品视频女| 99九九在线精品视频 | 2018国产大陆天天弄谢| 国产精品一二三区在线看| 高清午夜精品一区二区三区| 一级二级三级毛片免费看| 丁香六月天网| 久久99精品国语久久久| 大片免费播放器 马上看| 日韩在线高清观看一区二区三区| 国产成人91sexporn| 青春草国产在线视频| 色网站视频免费| 欧美日韩视频高清一区二区三区二| 91成人精品电影| 久久99蜜桃精品久久| 亚洲国产精品成人久久小说| 黄色配什么色好看| 有码 亚洲区| 蜜桃久久精品国产亚洲av| 国产黄色免费在线视频| 国产欧美日韩精品一区二区| 欧美xxⅹ黑人| 久久97久久精品| 涩涩av久久男人的天堂| 午夜av观看不卡| 精品一区二区三区视频在线| 国产欧美亚洲国产| 多毛熟女@视频| 又爽又黄a免费视频| 亚洲精品自拍成人| 最后的刺客免费高清国语| 国产伦理片在线播放av一区| 亚洲国产精品专区欧美| 亚洲精品第二区| av福利片在线观看| 欧美日韩视频高清一区二区三区二| av在线老鸭窝| 中文欧美无线码| 在线 av 中文字幕| 日韩熟女老妇一区二区性免费视频| 日韩强制内射视频| 久久国产精品男人的天堂亚洲 | 狂野欧美激情性bbbbbb| 亚洲经典国产精华液单| 国产日韩一区二区三区精品不卡 | 久久人人爽人人片av| 在线天堂最新版资源| 最近中文字幕高清免费大全6| 日本91视频免费播放| 日韩不卡一区二区三区视频在线| 精品一区二区三区视频在线| 欧美激情国产日韩精品一区| 一级片'在线观看视频| 亚洲av在线观看美女高潮| av播播在线观看一区| av女优亚洲男人天堂| 亚洲国产精品成人久久小说| 日本黄色片子视频| 精品少妇黑人巨大在线播放| 男女边吃奶边做爰视频| 一级爰片在线观看| 菩萨蛮人人尽说江南好唐韦庄| 最近2019中文字幕mv第一页| av.在线天堂| 午夜福利视频精品| 日韩,欧美,国产一区二区三区| av天堂久久9| 国产av一区二区精品久久| 精品午夜福利在线看| 十八禁高潮呻吟视频 | 国产精品国产三级国产专区5o| 欧美精品一区二区大全| 一本大道久久a久久精品| .国产精品久久| www.色视频.com| 熟女人妻精品中文字幕| 欧美日韩一区二区视频在线观看视频在线| 丰满迷人的少妇在线观看| 青春草视频在线免费观看| 亚州av有码| 中文在线观看免费www的网站| 久久久久精品久久久久真实原创| 亚洲av综合色区一区| 国产精品成人在线| 99热全是精品| 亚洲精品亚洲一区二区| 亚洲国产色片| 永久网站在线| 春色校园在线视频观看| 精品酒店卫生间| 久久 成人 亚洲| 国产一区二区三区综合在线观看 | 精品国产一区二区三区久久久樱花| 免费观看无遮挡的男女| 国产在线视频一区二区| 久久久久久久精品精品| 亚洲久久久国产精品| 在现免费观看毛片| 欧美激情极品国产一区二区三区 | 我的老师免费观看完整版| 王馨瑶露胸无遮挡在线观看| 久久久久久久久久久免费av| 啦啦啦中文免费视频观看日本| 人人妻人人爽人人添夜夜欢视频 | 国产一级毛片在线| 国产亚洲5aaaaa淫片| 亚洲精品第二区| 久久久亚洲精品成人影院| 国产美女午夜福利| 天堂中文最新版在线下载| 王馨瑶露胸无遮挡在线观看| 波野结衣二区三区在线| 热re99久久国产66热| 亚洲av二区三区四区| 日日爽夜夜爽网站| 成年人免费黄色播放视频 | 国产91av在线免费观看| 日本色播在线视频| 如何舔出高潮| 如日韩欧美国产精品一区二区三区 | 人妻夜夜爽99麻豆av| 精品少妇久久久久久888优播| 亚洲av在线观看美女高潮| 欧美日韩在线观看h| 亚洲精品色激情综合| 一级a做视频免费观看| 精品卡一卡二卡四卡免费| 一个人看视频在线观看www免费| 青青草视频在线视频观看| 国产伦理片在线播放av一区| 久久精品国产自在天天线| 男人狂女人下面高潮的视频| 国产真实伦视频高清在线观看| 麻豆精品久久久久久蜜桃| 日本-黄色视频高清免费观看| 春色校园在线视频观看| 亚洲第一区二区三区不卡| 2021少妇久久久久久久久久久| 岛国毛片在线播放| 国产成人免费无遮挡视频| 看十八女毛片水多多多| 免费在线观看成人毛片| 免费观看的影片在线观看| 看十八女毛片水多多多| 激情五月婷婷亚洲| 人妻 亚洲 视频| 国产成人免费观看mmmm| 亚洲美女搞黄在线观看| 国产精品成人在线| 啦啦啦啦在线视频资源| av天堂中文字幕网| 日韩av免费高清视频| 久久久精品免费免费高清| 国产精品免费大片| 久久精品国产a三级三级三级| 精品国产一区二区久久| 欧美日韩av久久| av福利片在线观看| 在线观看美女被高潮喷水网站| 国产亚洲av片在线观看秒播厂| 一边亲一边摸免费视频| 赤兔流量卡办理| 激情五月婷婷亚洲| 夜夜爽夜夜爽视频| 国产精品免费大片| 赤兔流量卡办理| 精品午夜福利在线看| 久久婷婷青草| 精品久久久久久电影网| 老司机影院成人| 免费看不卡的av| 亚洲美女视频黄频| 麻豆乱淫一区二区| 亚洲av中文av极速乱| 国产欧美另类精品又又久久亚洲欧美| 国产日韩欧美亚洲二区| 国产精品福利在线免费观看| 国产精品久久久久久久久免| 精品国产乱码久久久久久小说| 国产精品一二三区在线看| 国产精品无大码| 黄色视频在线播放观看不卡| 亚洲一区二区三区欧美精品| 美女cb高潮喷水在线观看| 亚洲国产精品一区二区三区在线| 免费大片18禁| 国产欧美日韩精品一区二区| 国产亚洲最大av| av专区在线播放| 视频中文字幕在线观看| 九草在线视频观看| 国产在视频线精品| 久久久亚洲精品成人影院| 国产日韩欧美视频二区| 亚洲欧美日韩东京热| 99九九在线精品视频 | 欧美bdsm另类| 精品亚洲乱码少妇综合久久| 蜜臀久久99精品久久宅男| 韩国高清视频一区二区三区| 国产黄色免费在线视频| 超碰97精品在线观看| 中文天堂在线官网| 啦啦啦啦在线视频资源| 国产 一区精品| 51国产日韩欧美| 日本av免费视频播放| 97精品久久久久久久久久精品| 国产精品成人在线| 亚洲欧美清纯卡通| 寂寞人妻少妇视频99o| 中文字幕av电影在线播放| 欧美日韩一区二区视频在线观看视频在线| 久久久久网色| 亚洲欧美一区二区三区黑人 | 97超视频在线观看视频| 99久久精品一区二区三区| 国产男人的电影天堂91| 久久毛片免费看一区二区三区| 91在线精品国自产拍蜜月| 伦精品一区二区三区|