BriefGPT - AI 论文速递
·
基于注意力的形状和步态表示学习方法对基于视频的更衣人物再识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种新的步态识别框架GaitASMS，能够提取自适应结构化空间表示和多尺度时间信息，并引入了数据增强方法random mask。在CASIA-B数据集上，该方法取得了93.5%的平均准确率，并在BG和CL上分别提高了3.4%和6.3%的rank-1准确率。消融实验证明了该方法的有效性。
🎯
关键要点
-
提出了一种新的步态识别框架 GaitASMS。
-
GaitASMS 能够有效提取自适应结构化空间表示。
-
该框架自然地聚合多尺度的时间信息。
-
引入了新的数据增强方法 random mask。
-
在复杂场景下，该方法在 CASIA-B 数据集上取得了 93.5% 的平均准确率。
-
在 BG 和 CL 上分别提高了 3.4% 和 6.3%的 rank-1 准确率。
-
ASRE 和 MSTA 的消融实验证明了该方法的有效性。
🏷️
标签
➡️
