《表2 时域注意力模型在Mars和i LIDS-VID数据上的结果》
%
(2)时域注意力模型。表2给出了时域注意力QAN模型在Mars数据集上的实验结果。QAN模型在Res Net50提取特征的基础上进行卷积池化和全连接操作,根据图像质量学习出不同帧的权重大小,随后指导序列特征的加权融合。实验中,Batchsize设置为32,送入的帧数分别为2、4、8、16;当学习率设置为0.000 3时,模型训练效果最好。表2结果证明了时域注意力模型同样可以改善算法的性能指标,与表1中的基准算法相比,T=4时在Mars数据集上对应的Rank-1和m AP分别提升了1.6个百分点和0.8个百分点,在i LIDS-VID数据集上对应的Rank-1和m AP分别提升了2.0个百分点和2.7个百分点。值得指出的是,与时域池化模型相比,时域注意力模型并未呈现优势,分析原因在于行人视频持续时间较短,序列间图像质量差异变化不大,因此时域注意力的优势没有充分发挥出来。
图表编号 | XD00222622000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 项俊、林染染、黄子源、侯建华 |
绘制单位 | 中南民族大学电子信息工程学院、中南民族大学电子信息工程学院、中南民族大学电子信息工程学院、中南民族大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |