《表7 在CUHK03数据集上的结果对比》

  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:%

从实验结果可以看出，在Market-1501数据集上，本文方法的Rank-1和mAP分别达到了95.37%、88.02%，表现出了良好的性能。另外采用Re-ranking[26]方法对结果进行优化之后，Rank-1和mAP分别提升至96.35%及94.50%。而在DukeMTMC-ReID数据集上，Rank-1精度为90.57%，mAP为80.92%，使用Re-ranking方法后，Rank-1和mAP分别提升至93.00%、90.74%，超过了当前大多数方法。同样地，本文也针对CUHK03（Labeled）以及CUHK03 (Detected）对于算法性能进行了测试，从表7中结果可以看出，在该数据集上，本文方法依旧得到了较好的表现。相较于注意力复合网络（AACN）[9]等基于注意力机制的工作，本文方法通过联合全局和局部注意力方法，同时兼顾了全局显著特征和局部细节特征，提取到更具判别力的行人特征用于识别。另外，对于局部特征的提取，本研究联合了基于注意力机制的特征擦除方法与图像分块策略，得到了包含更多细节信息的局部特征。本文方法在三个数据集上均取得了较高的精度，超过了当前大多数方法。