《表2 多尺度注意力特征丢弃模块的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度注意力机制的多分支行人重识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

unit:%

同样地，本研究对于多尺度注意力特征丢弃（MSA-FD）模块的有效性进行了验证。从表2中可以看出，将特征丢弃方法得到的局部特征与由baseline得到的全局特征相结合，模型的表现得到了较大的提升。同时相较于未添加多尺度注意力模块的批量特征丢弃（BDB）方法[4]，本研究提出的MSA-FD模块通过调整丢弃区域中的特征权重分布进一步提高了模型表现。在Market-1501数据集上进行的实验中，Rank-1和mAP分别提升了1.08%、0.89%；在DukeMTMC-ReID数据集上，Rank-1和mAP上也分别提升了1.66%、1.41%。另一方面，将MSA-FD模块从整体模型中移除之后，模型的精度在两个数据集上也都有一定程度的下降。证明了本文方法的有效性，同时说明更加精细准确的局部特征对于模型表现可以起到积极的作用。