1.一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,每个所述的层次聚合单元还包括设置在所述多粒度卷积层和所述金字塔交叉transformer学习层之间的尺度变换层,用于针对所述多粒度卷积层的输出应用全局最大池化,以抑制背景信息。
3.根据权利要求1所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的多粒度金字塔交叉网络还包括分别与各个层次聚合单元连接的主干网络,基于所述主干网络的输出以及最后一级层次聚合单元的输出获取所述输出特征。
4.根据权利要求3所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的主干网络为resnet50网络。
5.根据权利要求1所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的金字塔交叉transformer学习层对特征的处理过程包括如下步骤:
6.根据权利要求5所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的局部注意力特征采用下式获取:
7.根据权利要求5所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的通道mlp处理采用下式实现:
8.根据权利要求1所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的预训练好的多粒度金字塔交叉网络的获取过程包括如下步骤:
9.根据权利要求8所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,所述的辅助损失采用下式计算:
10.根据权利要求1所述的一种基于多粒度金字塔交叉网络的行人重识别方法,其特征在于,每个所述的层次聚合单元中,所述多粒度卷积层与所述金字塔交叉transformer学习层顺次连接。