面向无监督行人重识别的多层级注意力
计算机视觉与模式识别
2022-01-11 v1
摘要
注意力机制因其在神经网络中无需引入额外信息即可获得优异性能而被广泛用于深度学习。然而,在无监督行人重识别中,以多头自注意力为代表的注意力模块在非真值条件下存在注意力扩散问题。为解决该问题,我们设计像素级注意力模块为多头自注意力提供约束。同时,针对行人重识别数据识别目标均为样本中行人的特点,我们设计域级注意力模块以提供更全面的行人特征。我们结合头部级、像素级与域级注意力,提出多层级注意力块,并在大型行人重识别数据集(Market-1501、DukeMTMC-reID、MSMT17 和 PersonX)上验证其性能。
引用
@article{arxiv.2201.03141,
title = {Multi-Level Attention for Unsupervised Person Re-Identification},
author = {Yi Zheng},
journal= {arXiv preprint arXiv:2201.03141},
year = {2022}
}