融合卷积注意力和Transformer架构的行人重识别方法

行人重识别技术是智能安防系统中的重要方法之一，为构建一个适用各种复杂场景的行人重识别模型，基于现有的卷积神经网络和Transformer模型，提出一种融合卷积注意力和Transformer(FCAT)架构的方法，以增强Transformer对局部细节信息的关注。所提方法主要将卷积空间注意力和通道注意力嵌入Transformer架构中，分别加强对图像中重要区域的关注和对重要通道特征的关注，以进一步提高Transformer架构对局部细节特征的提取能力。在3个公开行人重识别数据集上的对比消融实验证明，所提方法在非遮挡数据集上取得了与现有方法相当的结果，在遮挡数据集上的性能得到显著提升。所提方法更加轻量化，在不增加额外计算量和模型参数的情况下，推理速度得到了提升。