计算机辅助设计与图形学学报

作者：张媛媛, 宋存利, 张雪松

关键词：Re-ID, 深度学习, 注意力, 非显著特征, 反事实干预

为解决目前Re-ID方法中对非显著可辨别特征关注不足, 以及提取的行人关键特征表达不充分的问题, 提出一种基于双路注意力机制特征提取网络, 由双路注意力主干网络和增强注意特征融合模块组成. 其中, 双路注意力网络使模型关注到不同显著程度的有效特征区域, 可分别用于挖掘显著和潜在非显著可辨别特征, 强调潜在关键特征的重要性; 增强注意特征融合模块用于完成特征信息互补, 同时采用反事实干预强化习得注意力特征图的质量和有效性,从而得到更具有判别性的最终特征表示. 在 Market1501, DukeMTMC-reID 和 MSMT17 数据集上进行了广泛实验, 结果表明, mAP 值分别达到了 89.3%, 80.0%, 58.4%; Rank-1 值分别达到了 95.7%, 89.8%, 80.7%, 充分证明了该方法的优越性.

来源：2025年第5期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第5期