基于特征细化的多标签学习无监督行人重识别

打开文本图片集

摘 要： 针对无监督行人重识别中行人特征表达不充分以及训练过程产生噪声标签等问题，提出了一种基于特征细化的多标签学习无监督行人重识别方法。首先，为提高网络对关键区域信息的利用能力，设计多尺度通道注意力模块（Multi-scale channel attention module， MCAM），嵌入ResNet50网络的不同层来构建特征细化网络，并利用该网络对输入图像通道维度上的关键信息进行强化和关注，以获得更丰富的特征信息；其次，为降低训练过程中产生的噪声标签对网络的负面影响，设计多标签学习模块（Multi-label learning module， MLM），通过该模块进行正标签预测以生成可靠的伪标签；最后，利用多标签分类损失和对比损失进行无监督学习。（剩余12990字）