计算机工程与科学

作者：高顺强1, 王智文1, 白云2

单位：（1.广西科技大学自动化学院，广西 柳州 545616；2.柳州工学院信息科学与工程学院，广西 柳州 545616）

关键词：轻量级网络,无监督行人再识别,动态内存字典,动量更新,

基金：国家自然科学基金（61962007，62266009）；广西自然科学基金(2018GXNSFDA294001)；广西财经大数据重点实验室开放基金（FEDOP2022A06）；广西高校中青年教师科研基础能力提升项目（2022KY1697）；广西高校中青年教师科研基础能力提升项目教育信息化专项（2022XXH0019）；2023年广西科技大学研究生教育创新计划（GKYC202323）

针对无监督行人再识别模型计算成本高、模型参数量大的问题，提出一种无监督行人再识别的轻量化特征提取网络。首先，重新设计Ghost Bottleneck，实现模型参数量的压缩，并将ECA注意力模块嵌入到轻量级骨干网络中以提高性能，加强网络的特征提取能力，解决因轻量化而导致的特征丢失问题。其次，引入了集群级动态内存字典和动量更新策略，解决无监督聚类特征的嵌入，有助于缓解特征不一致问题。最后,在数据集LUPerson上进行预训练。在常用的Market-1501，MSMT17和PersonX等公共数据集上开展了大量实验验证。与PPLR，Cluster Contrast和RTMem等方法训练的模型的比较结果表明，LwFEN使模型的参数量下降了24.3%，计算量（以FLOPs衡量）下降了28.12%，并将模型的mAP提升至83.4%。轻量级网络；无监督行人再识别；动态内存字典；动量更新

来源：2025年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第9期