摘要
本发明公开了一种通道感知协同特征增强的跨模态行人重识别方法,尝试从通道层面进行细粒度模态共享特征提取。具体来说,设计通道级特征挖掘模块,以直接从通道层面对特征进行挖掘,以捕捉每个通道内的细微特征。设计了通道间语义关系学习模块,专注于学习不同通道之间语义信息的关系,与通道级特征挖掘模块并行工作,从而提升特征表示的深度和广度。之后设计一个自适应特征融合模块,用于智能地处理来自通道级特征挖掘模块和通道间语义关系学习模块的特征,通过自适应融合机制优化最终的特征表示。本发明在三个广泛使用的跨模态数据集上进行了全面的评估,证明了所提出的方法的有效性。
技术关键词
重识别方法
通道
模块
语义
可见光图像
网络
Sigmoid函数
关系
注意力机制
输出特征
协同注意力
全局平均池化
行人特征
阶段
并行工作
模态特征
空间结构
鲁棒性
系统为您推荐了相关专利信息
多智能体强化学习
通信模块
决策
策略
状态监控单元
矿场系统
飞轮系统
车辆控制系统
环境感知数据
规划系统
制氧机
氧量
远程控制方法
历史运行数据
线性回归模型
微带天线单元
LTCC工艺
相控阵
天线板
天线辐射体