基于無(wú)參注意力和聯(lián)合損失的行人重識(shí)別*

程述立，汪烈軍，王有丹

(1.新疆大學(xué) 信息科學(xué)與工程學(xué)院，新疆 烏魯木齊 830017；2.新疆大學(xué) 數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院，新疆 烏魯木齊 830017)

0 引言

隨著基礎(chǔ)設(shè)施的不斷完善和公共需求的不斷增長(zhǎng)，行人重識(shí)別作為視頻監(jiān)控系統(tǒng)的一項(xiàng)關(guān)鍵技術(shù)受到了廣泛的關(guān)注，并在眾多領(lǐng)域都有很重要的應(yīng)用價(jià)值.行人重識(shí)別主要研究的是從不同的攝像機(jī)中檢索具有相同身份的人員或在同一攝像機(jī)的不同視頻片段中識(shí)別出目標(biāo)行人.該任務(wù)的目的是通過(guò)圖像檢索實(shí)現(xiàn)目標(biāo)匹配，將目標(biāo)人物與圖片庫(kù)中的人物信息進(jìn)行比對(duì)，篩選出圖片庫(kù)中含有目標(biāo)人物的信息[1].然而該任務(wù)也存在許多難點(diǎn)，如在復(fù)雜環(huán)境下出現(xiàn)行人部分部位遮擋的問(wèn)題以及設(shè)備質(zhì)量、距離導(dǎo)致的圖像分辨率低等問(wèn)題，所以如何提取行人關(guān)鍵特征信息進(jìn)行度量判斷成為了研究重點(diǎn).

近些年，深度學(xué)習(xí)的方法在行人重識(shí)別任務(wù)上取得了一系列成果.相較傳統(tǒng)度量學(xué)習(xí)方法，深度學(xué)習(xí)的方法代替了其特征提取配合特征度量學(xué)習(xí)的模式，使得之后能夠更好地判別特征信息.基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像特征提取上彰顯出的獨(dú)特優(yōu)勢(shì)，許多研究者將行人重識(shí)別的主干網(wǎng)絡(luò)建立在CNN 上，如殘差網(wǎng)絡(luò)（Residual Network, ResNet）[2]、稠密連接網(wǎng)絡(luò)（Dense Convolutional Network, DenseNet）[3].雖然CNN 成為解決行人重識(shí)別任務(wù)的主流手段，它也因?yàn)楹雎粤碎L(zhǎng)距離的上下文信息之間的關(guān)系而存在著自身的局限性.

隨著深度學(xué)習(xí)的不斷發(fā)展，注意力機(jī)制得到了廣泛的研究與應(yīng)用.類似人類處理信息的方法，該機(jī)制能夠使網(wǎng)絡(luò)快速聚焦一部分關(guān)鍵信息，同時(shí)忽略其它信息.注意力機(jī)制通常在輸入的特征信息上計(jì)算權(quán)重，根據(jù)權(quán)重對(duì)特征進(jìn)行處理從而強(qiáng)化有效特征、抑制無(wú)效特征.注意力機(jī)制從應(yīng)用位置上可劃分為三類：1）空間注意力.它可以對(duì)全圖進(jìn)行處理從而定位出感興趣的區(qū)域，有效地彌補(bǔ)了卷積操作對(duì)于全局特征提取能力的不足之處，代表性的網(wǎng)絡(luò)有動(dòng)態(tài)容量網(wǎng)絡(luò)（Dynamic Capacity Networks, DCN）[4]；2）通道注意力.如壓縮激發(fā)網(wǎng)絡(luò)（Squeeze-and-Excitation Networks, SENet）[5]，它通過(guò)建模各個(gè)特征通道的重要程度，針對(duì)不同的通道特征進(jìn)行增強(qiáng)或者抑制；3）空間與通道混合注意力.它可以同時(shí)從兩個(gè)維度對(duì)特征進(jìn)行選擇，代表性的網(wǎng)絡(luò)有卷積塊狀注意力模塊網(wǎng)絡(luò)（Convolutional Block Attention Module, CBAM）[6]、瓶頸注意力模塊網(wǎng)絡(luò)（Bottleneck Attention Module, BAM）[7]等.由于注意力機(jī)制在增強(qiáng)圖片特征方面表現(xiàn)尤為突出，行人重識(shí)別任務(wù)中出現(xiàn)了許多基于注意力機(jī)制的方法，如自適應(yīng)聚合網(wǎng)絡(luò)（Adaptive Aggregation Network, AANet）[8]、基于關(guān)系感知的全局注意力網(wǎng)絡(luò)（Relation-Aware Global Attention, RAG）[9]等.一般來(lái)說(shuō)，對(duì)于行人重識(shí)別任務(wù)的優(yōu)化主要是基于特征表示學(xué)習(xí)、深度度量學(xué)習(xí)和查詢結(jié)果排序這三個(gè)方面.研究人員基于這三個(gè)方面進(jìn)行了大量工作，有的改進(jìn)了特征學(xué)習(xí)方法，有的提出有效的度量損失函數(shù)，也有的是在檢索排序階段進(jìn)行優(yōu)化.

一些研究人員通過(guò)引入局部特征學(xué)習(xí)或利用注意力機(jī)制聚焦于人體部位的關(guān)鍵信息來(lái)提取更飽滿的行人特征.Yang 等[10]探索了高級(jí)特征提取方法，目的是通過(guò)建模概念間關(guān)系來(lái)探索基于上下文的概念融合，而這并不是簡(jiǎn)單的基于語(yǔ)義推理建模.由于生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Network, GAN）[11]在生成圖像和學(xué)習(xí)特征方面具有良好性能，GAN 被廣泛應(yīng)用于人員再識(shí)別任務(wù).也有一些研究者利用人的三維形狀信息，更好地學(xué)習(xí)行人特征以提高行人重識(shí)別模型的魯棒性.Ye 等[1]探索了封閉世界和現(xiàn)實(shí)世界的行人重識(shí)別系統(tǒng)，在標(biāo)準(zhǔn)封閉世界中系統(tǒng)認(rèn)為特征表示學(xué)習(xí)是該系統(tǒng)的三要素之一，專注于開發(fā)特征構(gòu)建策略，結(jié)合行人的全局特征、局部特征、輔助特征和視頻特征，通過(guò)這四類特征的綜合分析增強(qiáng)了最終的特征表示.Dai 等[12]則嘗試設(shè)計(jì)新的網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)由ResNet-50[2]和一個(gè)特征丟棄網(wǎng)絡(luò)構(gòu)成，同時(shí)學(xué)習(xí)兩部分特征來(lái)增強(qiáng)模型的表達(dá)效果.研究者們不僅在主干網(wǎng)絡(luò)方面有所探究，還在損失函數(shù)方面做了一些研究.有研究者設(shè)計(jì)了不同的損失函數(shù)，利用網(wǎng)絡(luò)模型優(yōu)化識(shí)別特征的學(xué)習(xí)[13].這些算法大多基于ResNet-50 進(jìn)行改進(jìn)，但存在參數(shù)繁多，結(jié)構(gòu)復(fù)雜的問(wèn)題，并且無(wú)法把握不同特征的重要性，導(dǎo)致行人識(shí)別不夠準(zhǔn)確，算法準(zhǔn)確度有待加強(qiáng).

行人再識(shí)別旨在解決跨攝像頭、跨場(chǎng)景下目標(biāo)行人的關(guān)聯(lián)與匹配，作為智能視頻監(jiān)控系統(tǒng)的關(guān)鍵環(huán)節(jié)，對(duì)維護(hù)社會(huì)公共秩序具有重大作用.當(dāng)前，行人再識(shí)別研究視角多樣，如鳥瞰行人再識(shí)別[14]，這類研究不僅趨向于水平視圖捕獲人員圖像，而且關(guān)注鳥瞰圖拍攝的人員信息；長(zhǎng)時(shí)行人再識(shí)別研究[15]，這類研究關(guān)注服裝有關(guān)的生物特征，通過(guò)服裝狀態(tài)意識(shí)網(wǎng)絡(luò)，嵌入服裝狀態(tài)意識(shí)來(lái)規(guī)范行人的描述；跨模態(tài)行人再識(shí)別研究[16]，旨在從數(shù)據(jù)庫(kù)匹配出該行人的紅外（或可見光）照片，突破單模態(tài)行人再識(shí)別在黑暗環(huán)境中的局限性，減輕模態(tài)差異的影響；無(wú)監(jiān)督行人重識(shí)別[17]，旨在學(xué)習(xí)識(shí)別表征，從無(wú)標(biāo)簽數(shù)據(jù)中檢索行人；遮擋行人重新識(shí)別[18]，這是一種基于變換器的姿勢(shì)引導(dǎo)特征分解方法，利用姿勢(shì)信息來(lái)明確分解語(yǔ)義部分；域適應(yīng)性行人重識(shí)別[19]，研究表明時(shí)間上的連續(xù)性先驗(yàn)是有益的，它為區(qū)分一些相貌相似的人提供了線索.總之，這些研究利用更多的補(bǔ)充信息來(lái)協(xié)助行人重識(shí)別任務(wù).

總結(jié)上述行人重識(shí)別研究，其核心在于網(wǎng)絡(luò)模型的構(gòu)建和度量學(xué)習(xí)策略的研究，基于以上考慮，本文從網(wǎng)絡(luò)模型和損失函數(shù)兩個(gè)角度進(jìn)行算法設(shè)計(jì)，提出一種基于無(wú)參注意力的行人重識(shí)別算法.它是在ResNet-50 網(wǎng)絡(luò)上進(jìn)行改進(jìn)，分別在殘差模塊的末端引入無(wú)參注意力機(jī)制（Simple, Parameter-Free Attention Module,SimAM）[20]，這是一個(gè)簡(jiǎn)單而有效的注意力模塊，增強(qiáng)了網(wǎng)絡(luò)特征提取及表達(dá)能力；然后聯(lián)合ID 損失、Triplet 損失和WRLL 損失，共同形成聯(lián)合損失函數(shù)來(lái)優(yōu)化網(wǎng)絡(luò)參數(shù)；最后在三個(gè)公開數(shù)據(jù)集Market-1501、DukeMTMCreID 和CUHK03 上評(píng)估算法的識(shí)別性能.所提模型參數(shù)量少、魯棒性高，具有較好的應(yīng)用市場(chǎng)和研究?jī)r(jià)值.

1 PFNet 網(wǎng)絡(luò)結(jié)構(gòu)

本文將無(wú)參注意力模塊應(yīng)用在行人重識(shí)別模型中進(jìn)行訓(xùn)練，可以對(duì)任務(wù)中更為相關(guān)的內(nèi)容自適應(yīng)地賦予更高的權(quán)重，使得該網(wǎng)絡(luò)框架能有效提高行人識(shí)別的準(zhǔn)確率.整體框架結(jié)構(gòu)如圖1 所示，它由三個(gè)重要的部分構(gòu)成：主干網(wǎng)絡(luò)ResNet-50、SimAM 模塊和聯(lián)合損失函數(shù).

圖1 模型整體框架結(jié)構(gòu)

由圖1 可知，分別在第一個(gè)殘差塊和第三個(gè)殘差塊后加入SimAM 模塊，這種方式可以在不同的網(wǎng)絡(luò)深度提取到更為豐富的特征.SimAM 模塊是一種通過(guò)能量函數(shù)賦予權(quán)值的無(wú)參注意力機(jī)制，不會(huì)額外增加參數(shù).同時(shí)在損失函數(shù)前加入可訓(xùn)練池化層（Generalized-Mean, GeM）[21]壓縮特征來(lái)提高檢索能力.最后采用ID 損失、Triplet 損失和WRLL 損失組成的聯(lián)合損失函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練.將在下文對(duì)每一部分進(jìn)行具體介紹.

1.1 主干網(wǎng)絡(luò)ResNet-50

殘差網(wǎng)絡(luò)可以有效抑制卷積網(wǎng)絡(luò)中梯度爆炸的影響從而提高模型性能，該優(yōu)點(diǎn)使其在行人重識(shí)別領(lǐng)域有廣泛應(yīng)用.ResNet-50 結(jié)構(gòu)簡(jiǎn)單，主要由殘差塊構(gòu)成，在網(wǎng)絡(luò)加深的同時(shí)有效減少梯度消失且不會(huì)增加實(shí)驗(yàn)誤差，使得訓(xùn)練結(jié)果有很好的提升.殘差塊是規(guī)避梯度消失的關(guān)鍵，它采用簡(jiǎn)單的跳躍式加法來(lái)保留更多信息，只在原網(wǎng)絡(luò)上增加很小的計(jì)算復(fù)雜度就能使模型在訓(xùn)練速度和網(wǎng)絡(luò)性能方面均有所提升，這對(duì)網(wǎng)絡(luò)效果的提升有很大的價(jià)值.常用的殘差網(wǎng)絡(luò)深度有34 層、50 層、101 層等，綜合考慮模型的性能和復(fù)雜度，本文使用ResNet-50網(wǎng)絡(luò)模型作為算法的主干網(wǎng)絡(luò).

1.2 無(wú)參注意力SimAM

無(wú)參數(shù)的注意力模塊SimAM[20]是目前較為先進(jìn)的注意力機(jī)制，能通過(guò)特征圖本身推導(dǎo)出3D 注意力權(quán)值，可以更好地進(jìn)行特征增強(qiáng)以提升模型性能，同時(shí)不會(huì)引入額外的參數(shù)，因此被稱為“無(wú)參注意力”.SimAM 解決了通道空間注意力無(wú)法同步進(jìn)行的問(wèn)題.由于人類視覺(jué)機(jī)制是“通道和空間注意力”同時(shí)進(jìn)行的，SimAM 以能量函數(shù)的方式讓通道和空間進(jìn)行同步加權(quán)，可以充分發(fā)掘每個(gè)神經(jīng)元的重要性并賦予其合適的權(quán)值，從而改善特征丟失的問(wèn)題.SimAM注意力結(jié)構(gòu)如圖2 所示.c 表示通道數(shù)，X 表示每個(gè)通道輸入H×W 矩陣的維度，也是通道中神經(jīng)元的數(shù)量.

圖2 無(wú)參注意力模塊[20]

一般來(lái)說(shuō)，信息豐富的神經(jīng)元通常會(huì)抑制周圍神經(jīng)元，具有抑制效應(yīng)的神經(jīng)元應(yīng)當(dāng)賦予更高的權(quán)重.為了評(píng)估每個(gè)神經(jīng)元的重要性，通過(guò)能量函數(shù)的方式給每個(gè)神經(jīng)元賦予合適的權(quán)值.能量函數(shù)的表達(dá)式如公式（1）所示：

式中：t 和xi是輸入特性X ∈RC×H×W中同一通道的目標(biāo)神經(jīng)元和其它神經(jīng)元，(ωtt+bt) 和(ωtxi+bt) 是關(guān)于目標(biāo)神經(jīng)元和其它神經(jīng)元的線性變換，i 是空間維度的索引，M 是該通道上的神經(jīng)元數(shù)量，ωt是變換的權(quán)值，bt是變換的偏差.通過(guò)計(jì)算得到ωt和bt解析解和通道中所有神經(jīng)元的均值和方差，得到最小能量函數(shù)如公式（2）所示：

1.3 損失函數(shù)

本文涉及的損失函數(shù)分別為ID 損失（Softmax Loss）、三元組損失（Triplet Loss）和自適應(yīng)加權(quán)排序損失（Adaptive Weighted Rank List Loss, WRLL）[21－22].使用的總損失函數(shù)如下：

式中：LID代表交叉熵?fù)p失函數(shù)，LTriplet代表三元組損失函數(shù)，LWRLL代表自適應(yīng)加權(quán)排序損失函數(shù).

1.3.1 ID 損失行人重識(shí)別模型中，ID 損失就是Softmax 損失，這是由Softmax 函數(shù)和交叉熵?fù)p失函數(shù)組成的損失函數(shù).Softmax 損失用來(lái)衡量預(yù)測(cè)樣本和真實(shí)樣本的誤差，所得到的損失函數(shù)值越小表明誤差越小.

1.3.2 三元組損失

三元組損失是數(shù)據(jù)集中隨機(jī)樣本的損失和集，而隨機(jī)樣本的損失由目標(biāo)樣本與正負(fù)樣本之間的歐式距離判別.三元組損失主要使具有相同標(biāo)簽的圖片在空間位置上更加接近，同時(shí)令具有不同標(biāo)簽的圖片在空間位置上更加疏遠(yuǎn)[23].該功能在個(gè)體級(jí)別上有很顯著的效果，使三元組損失函數(shù)在行人重識(shí)別領(lǐng)域得到廣泛應(yīng)用.

1.3.3 自適應(yīng)加權(quán)排序損失

2 實(shí)驗(yàn)結(jié)果與分析

本節(jié)首先介紹PFNet 模型的數(shù)據(jù)集和評(píng)價(jià)指標(biāo)，然后詳細(xì)說(shuō)明實(shí)驗(yàn)環(huán)境以及參數(shù)配置，再將GeM、三元組損失、WRLL 和SimAM 注意力機(jī)制依次疊加到基線上進(jìn)行消融實(shí)驗(yàn).最后將PFNet 與其它先進(jìn)行人重識(shí)別算法進(jìn)行對(duì)比，實(shí)驗(yàn)表明PFNet 模型有較為優(yōu)秀的表現(xiàn).

2.1 數(shù)據(jù)集

為了驗(yàn)證PFNet 模型的有效性，本文在Market-1501、DukeMTMC-reID 和CUHK03 三個(gè)權(quán)威行人重識(shí)別數(shù)據(jù)集上進(jìn)行了大量實(shí)驗(yàn).每個(gè)數(shù)據(jù)集均被分為三個(gè)集合：訓(xùn)練集、測(cè)試集和查詢集.模型通過(guò)訓(xùn)練集進(jìn)行訓(xùn)練，然后通過(guò)查詢集進(jìn)行評(píng)估和模型調(diào)優(yōu)，最后通過(guò)測(cè)試集進(jìn)行測(cè)試和驗(yàn)證.Market-1501、DukeMTMC-reID和CUHK03 數(shù)據(jù)集的具體信息如表1 所示.

表1 數(shù)據(jù)集信息描述

2.2 評(píng)價(jià)指標(biāo)

在行人重識(shí)別領(lǐng)域，首位命中率（Rank-1）和平均檢測(cè)精度（mAP）是兩個(gè)廣泛使用的評(píng)價(jià)指標(biāo).行人重識(shí)別模型以待檢測(cè)圖片作為輸入，最終輸出一個(gè)排序列表.Rank-1 就是輸出列表中第一張匹配結(jié)果為正確的精度，是行人重識(shí)別領(lǐng)域評(píng)價(jià)模型性能優(yōu)劣的一項(xiàng)重要指標(biāo).mAP 是多個(gè)帶檢測(cè)圖片的精準(zhǔn)率均值，適用于多標(biāo)簽數(shù)據(jù)集，是行人重識(shí)別中常用的度量標(biāo)準(zhǔn).

2.3 實(shí)驗(yàn)環(huán)境與參數(shù)配置

本實(shí)驗(yàn)基于PyTorch 深度學(xué)習(xí)框架進(jìn)行訓(xùn)練，實(shí)現(xiàn)代碼為Python，操作系統(tǒng)為Ubuntu16.04，在GPU 配置為4 片Tesla v100 的終端進(jìn)行訓(xùn)練與測(cè)試.在訓(xùn)練階段，將輸入圖片大小調(diào)整為256×128，使用水平翻轉(zhuǎn)和隨機(jī)擦除進(jìn)行數(shù)據(jù)增強(qiáng).用Adam 優(yōu)化器訓(xùn)練所有模型，批量大小為48，訓(xùn)練周期為50，初始學(xué)習(xí)率設(shè)置為0.000 5.為了驗(yàn)證PFNet 的有效性，在三個(gè)主流數(shù)據(jù)集Market-1501、DukeMTMC-reID 和CUHK03 上進(jìn)行實(shí)驗(yàn)，并采用Rank-1 和mAP 作為評(píng)價(jià)指標(biāo).

2.4 消融實(shí)驗(yàn)

本文分別基于池化層GeM、損失函數(shù)Triplet、損失函數(shù)WRLL 以及注意力機(jī)制SimAM 四個(gè)部分在Market-1501、DukeMTMC-reID 和CUHK03 這三個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表2 所示.由表2 可知，本文使用ResNet-50 和交叉熵?fù)p失函數(shù)作為基線.在三個(gè)數(shù)據(jù)集上，本文算法較基線均有很明顯的提升，Rank-1分別提升了1.8%、5.3% 和25.0%，mAP 分別提升了5.7%、6.8% 和27.0%.在CUHK03 數(shù)據(jù)集上效果尤為明顯，主要是WRLL 能充分挖掘樣本信息，為每個(gè)類學(xué)習(xí)超球面保護(hù)樣本結(jié)構(gòu)從而提升模型性能.在基線上疊加GeM、Triplet、WRLL 和SimAM 這四個(gè)模塊的算法精度高于其它實(shí)驗(yàn)，達(dá)到最優(yōu)效果.表明SimAM 也會(huì)使行人重識(shí)別精度有所提升，這是因?yàn)樵撃K從神經(jīng)元的角度賦予每個(gè)特征點(diǎn)合適的權(quán)重，一定程度上豐富輸入特征，提升模型性能.

表2 在三個(gè)數(shù)據(jù)集上的消融實(shí)驗(yàn)

實(shí)驗(yàn)過(guò)程中，驗(yàn)證了注意力模塊在四個(gè)殘差塊中不同位置插入的情況，實(shí)驗(yàn)結(jié)果表明，在殘差塊1、3 之后插入注意力模塊，所提出的算法性能最優(yōu).因此，將SimAM 注意力模塊放在殘差塊1 和殘差塊3 之后，此時(shí)算法獲得最優(yōu)的識(shí)別性能.相關(guān)消融分析的實(shí)驗(yàn)結(jié)果如表3 所示.

由表3 可知，注意力模塊嵌入在四個(gè)殘差塊的任何一個(gè)后面，或者同時(shí)嵌入在四個(gè)殘差塊之后，算法均未獲得最優(yōu)性能.而當(dāng)SimAM 注意力模塊放在殘差塊1 和殘差塊3 之后，算法獲得最優(yōu)的識(shí)別性能，因此在表2 以及后續(xù)的實(shí)驗(yàn)中，注意力模塊默認(rèn)的嵌入位置為殘差塊1 和殘差塊3 之后.

表3 注意力模塊的嵌入位置消融實(shí)驗(yàn)

2.5 與先進(jìn)實(shí)驗(yàn)進(jìn)行對(duì)比

為了驗(yàn)證所提模型的優(yōu)越性，本文選擇5 個(gè)較為先進(jìn)的行人重識(shí)別算法進(jìn)行對(duì)比分析.采用聯(lián)合損失函數(shù)訓(xùn)練模型的方法（BagTricks[24]、AGW[1]）、注意力機(jī)制的方法（AANet[24]、GLWR[22]）以及多尺度、多分支的方法（Auto-ReID+[25]），主干網(wǎng)絡(luò)均是ResNet-50.表2 和表4 展示了算法在Market-1501、DukeMTMC-reID 和CUHK03 這三個(gè)數(shù)據(jù)集上的性能對(duì)比結(jié)果.

由表4 可知，在三個(gè)數(shù)據(jù)集上，本文算法的Rank-1 分別達(dá)到95.5%、90.9% 和84.3%，mAP 分別達(dá)到89.6%、81.6%和82.0%.GLWR 算法和本文算法模型相似，也是采取將注意力機(jī)制插入到殘差網(wǎng)絡(luò)不同層級(jí)中的方法，以此獲取更為豐富的特征，但是它的注意力只是從通道和空間的維度獲取特征，而本文的注意力還能從圖片本身提取特征.在Market-1501 數(shù)據(jù)集上，本文算法的mAP 比GLWR 算法提升了0.1%.在DukeMTMCreID 和CUHK03 數(shù)據(jù)集上，本文算法的Rank-1 比GLWR 算法分別提升了0.2% 和2.0%，mAP 分別提升了0.2% 和3.1%.根據(jù)實(shí)驗(yàn)結(jié)果分析，本算法在三個(gè)數(shù)據(jù)集上表現(xiàn)都優(yōu)于其它先進(jìn)算法，是一個(gè)擁有較好的魯棒性和先進(jìn)性的行人重識(shí)別模型.

由表4 可知，本文提出的網(wǎng)絡(luò)架構(gòu)相對(duì)BagTricks、GLWR 參數(shù)略有提升，但本文算法相對(duì)BagTricks 在Rank-1 上提升了25.5%，在mAP 上提升了25.4%.相對(duì)GLWR，本文算法在Rank-1 和mAP 上分別提升了2.0% 和3.1%.雖然AGW 整體參數(shù)量較少，但AGW 的Rank-1 和mAP 整體得分相對(duì)本文算法較低，這說(shuō)明AGW 難以獲得到特征圖中大部分重要的前景信息.整體來(lái)看，相對(duì)其它網(wǎng)絡(luò)，本文在微增參數(shù)的前提下Rank-1 和mAP 取得了較大的改善.

表4 在三個(gè)數(shù)據(jù)集上與前沿算法的對(duì)比

2.6 實(shí)驗(yàn)可視化

本文將算法的排序結(jié)果進(jìn)行了可視化展示，如圖3 所示，第1 列紅色框?yàn)檩斎氲拇龣z索圖片，后7 列圖片是輸入樣本（紅色框圖片）經(jīng)過(guò)模型可視化得到的最終結(jié)果.可以觀察到，本文的算法沒(méi)有匹配錯(cuò)誤，且在一些特殊情況下也能準(zhǔn)確識(shí)別.不僅對(duì)正常行走且周圍無(wú)遮擋的行人能準(zhǔn)確識(shí)別其身份，而且對(duì)面部遮擋的戴帽子行人或只有背部特征的行人也能精準(zhǔn)匹配其行人身份.另外通過(guò)查詢結(jié)果的第3 組第3 張圖片也可以觀察到，在含有并行行人信息的情況下，本算法也能準(zhǔn)確進(jìn)行識(shí)別.

圖3 行人檢索排序展示

通過(guò)客觀性能對(duì)比和主觀可視化分析，實(shí)驗(yàn)結(jié)果顯示，本文的算法能夠在行人所處環(huán)境相對(duì)復(fù)雜的情況下進(jìn)行高準(zhǔn)確率的識(shí)別工作，驗(yàn)證了本算法具有較好的識(shí)別性能、較強(qiáng)的魯棒性優(yōu)勢(shì).

3 結(jié)論

針對(duì)行人重識(shí)別中存在的遮擋和相似外觀等問(wèn)題，本文設(shè)計(jì)了一個(gè)新的行人重識(shí)別算法，經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，發(fā)現(xiàn)所提算法在一定程度上緩解了以上問(wèn)題.該算法的主干網(wǎng)絡(luò)為ResNet-50，通過(guò)在網(wǎng)絡(luò)的第一層殘差塊和第三層殘差塊后嵌入SimAM 注意力模塊為每個(gè)神經(jīng)元賦予合適的權(quán)重，并采用GeM 模塊獲取具有區(qū)分性的特征，最后基于提出的聯(lián)合損失函數(shù)來(lái)訓(xùn)練該網(wǎng)絡(luò)模型.這里，SimAM 注意力模塊屬于無(wú)參注意力模塊，整體而言，與基線對(duì)比算法相比，本文在增加少量參數(shù)的前提下，所提出的算法在Rank-1 和mAP 指標(biāo)上取得了較大的性能改善.所提模型在三個(gè)公共數(shù)據(jù)集上進(jìn)行測(cè)試，并將其和目前較先進(jìn)的算法進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的基于無(wú)參注意力機(jī)制的行人重識(shí)別模型具有很高的精準(zhǔn)度，其性能領(lǐng)先目前大部分行人重識(shí)別算法.后期將進(jìn)一步輕量化行人重識(shí)別網(wǎng)絡(luò)架構(gòu)，以促進(jìn)本文網(wǎng)絡(luò)在較低網(wǎng)絡(luò)復(fù)雜度的前提下取得更好的性能.