70、DWTA - Unet与PS - Net：目标识别与分割的创新方案

DWTA - Unet与PS - Net：目标识别与分割的创新方案

1. PS - Net用于遮挡行人重识别

在行人重识别（Person Re - ID）领域，遮挡问题一直是一个挑战。PS - Net针对这一问题提出了解决方案。通过在三个常用数据集上的实验结果，证明了该模型的有效性。它不仅仅是简单地利用姿态信息来辅助提取行人特征，相比最先进的方法，其性能也具有竞争力。

2. DWTA - Unet用于混凝土裂缝分割

2.1 研究背景

由于结构老化、环境因素和自然灾害的影响，结构健康监测（SHM）变得至关重要。在民用建筑和基础设施中，混凝土裂缝是常见的损伤。传统的裂缝检测方法，如边缘检测、阈值法和光谱分析法，容易受到实际环境中模糊、阴影和划痕的影响。随着深度学习的发展，卷积神经网络（CNNs）在图像识别、目标检测和语义分割等高级计算机视觉任务中得到了广泛应用。虽然全卷积神经网络（FCNN）在裂缝分割中被广泛使用，但在检测细裂缝和裂缝边界方面存在不足，信息容易在卷积和池化层中丢失。

2.2 提出的方法

• 网络架构
  • DWTA - Unet网络基于Unet网络构建，由Unet网络和DWTA模块两部分组成。Unet的编码器基于VGG16骨干网络。对输入图像进行四级离散小波变换（DWT），得到的特征图输入到DWTA模块，同时DWTA模块的另一个输入是最大池化层得到的特征图。DWTA模块后接两到三个卷积层，利用多尺度小波信息使Unet保留更多细裂缝和裂缝边界的信息，同时引导特征图增强裂缝信息并抑制背景信息。在解码器的每个阶段，先对高级特征图进