《表2 时域注意力模型在Mars和i LIDS-VID数据上的结果》

  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

《时域模型对视频行人重识别性能影响的研究》

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

%

(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。