一种基于通道级特征选择与融合网络的可见与红外行人重识别方法

本发明公开了一种基于通道级特征选择与融合网络的可见与红外行人重识别方法。包括数据预处理模块、特征选择模块、通道级特征融合模块、损失计算优化、相似度计算以及获取查询结果模块。其特征在于使用基于ResNet‑50的双流特征提取器构建主干网络，利用在ImageNet上预训练的模型初始化主干网络，提出的特征选择模块，利用行人样本在不同通道上特征重要性的差异来实现特征选择；提出的通道级特征融合模块根据被选择特征在各对应通道下的通道掩膜进行双通道均值加权融合得到融合特征，并且防止了融合过程中部分重要特征信息被干扰。所述的方法提升了行人特征的多样性，减小了不同模态图像间的差异，并在两个数据集上的查询结果均取得了优秀的性能。