融合多分支与多粒度特征的东北虎重识别

为解决东北虎重识别研究中存在的细节特征提取不充分等问题，提出了一种融合多分支与多粒度特征的东北虎重识别模型CMM-Net。其中，全局分支负责提取宏观上的粗粒度特征；注意力分支通过插入坐标注意力模块加深了网络对重要特征的关注度；局部分支通过将特征图切分成不同条带块，从而提取东北虎更细粒度的局部特征。通过多个分支结构和多个细粒度特征结合来对模型进行优化学习，加强全局特征与局部特征的关联性。同时提出用Circle Loss与Softmax的联合损失来提高网络精度。实验结果表明，在ATRW数据集上所提模型在单摄像头环境下mAP为93.6%,跨摄像头环境下mAP为77.4%,均优于多数文献所提方法，证明了本文模型的有效性。