《表1 多尺度注意力模块的影响》
unit:%
多尺度注意力模块(MSA)通过将多尺度特征融合方法(MSFF)与双重注意力模块[14]相结合,使得网络能够有效地从整个空间访问多尺度特征,实现了对全局特征的加权强化。为了验证MSA模块的有效性,本研究在Market-1501以及DukeMTMC-ReID两个数据集上进行了实验。从表1可以看出,将MSA模块嵌入baseline之后,在Market-1501数据集上,Rank-1和mAP分别提升了1.52%和1.48%;在DukeMTMC-ReID数据集上,Rank-1和mAP也分别提升了2.20%和2.45%。将MSA模块从整体模型中去除之后,Rank-1和mAP在Market-1501数据集上分别下降了0.95%、1.37%;对应地,在DukeMTMC-ReID数据集上分别下降了0.83%、1.74%。实验结果证明本研究所提出的MSA模块可以起到加权强化全局显著信息的作用。
图表编号 | XD00188316200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 李聪、蒋敏、孔军 |
绘制单位 | 江南大学物联网工程学院江苏省模式识别与计算智能工程实验室、江南大学物联网工程学院江苏省模式识别与计算智能工程实验室、江南大学物联网工程学院江苏省模式识别与计算智能工程实验室 |
更多格式 | 高清、无水印(增值服务) |