中文标题：T³FRNet：一种融合三重感知细粒度重构的换衣行人重识别方法

英文标题：TFRNet: A Cloth-Changing Person Re-identification via Texture-aware Transformer Tuning Fine-grained Reconstruction method

来源期刊：电子与信息学报

基金项目：国家自然科学基金(62272234)，江苏省研究生科研与实践创新计划项目(SJCX25_0503)

作  者：庄建军 王楠

作者单位： 南京信息工程大学电子与信息工程学院 南京 210044

摘  要：针对换衣行人重识别(CC Re-ID)任务中存在的有效特征提取困难和训练样本不足的问题，提出了一种融合三重感知细粒度重构的换衣行人重识别方法，利用细粒度纹理感知模块处理后的纹理特征与深度特征进行拼接，提高服装变化下的识别能力，引入Transformer注意力机制的ResFormer50网络增强模型对图像特征提取的感知能力，通过自适应混合池化模块(AHP)进行通道级自主感知聚合，对特征进行深层次细粒度挖掘，从而达到整体表征一致性与服装变化泛化性并重的效果。新的自适应细粒度重构策略(AFR)通过细粒度级别的对抗性扰动与选择性重构，在不依赖显式监督的前提下，显著提升模型对服装变换、局部细节扰动的鲁棒性和泛化能力，从而提高模型在实际场景中的识别准确率。大量实验结果表明了所提方法的有效性，在LTCC和PRCC数据集换衣场景下，Rank-1/mAP分别达到了45.6%/19.8%和70.6%/69.1%，优于同类前沿方法。

全文链接： https://jeit.ac.cn/cn/article/doi/10.11999/JEIT250476