魏克銘 韓星宇 王輝 范自柱

摘要：【目的】由于可見光圖像和紅外圖像之間的巨大模態(tài)差異，導(dǎo)致可見光-紅外行人重識別是一項非常具有挑戰(zhàn)性的圖像檢索問題?！痉椒ā繛榱诉M一步減小兩種模態(tài)之間的差異，重點關(guān)注行人信息，提出一種基于雙注意力機制的網(wǎng)絡(luò)結(jié)構(gòu)用于可見光-紅外行人重識別。一方面通過雙注意力機制挖掘不同尺度的行人空間信息和增強局部特征的通道交互能力，另一方面利用全局分支和局部分支，學(xué)習(xí)多粒度的特征信息，使不同粒度信息可以相互補充，形成一個更具辨別性的特征。【結(jié)果】在兩個公共數(shù)據(jù)集上的實驗結(jié)果表明，該方法相較于基線有明顯的提升，在RegDB數(shù)據(jù)集和SYSU-MM01數(shù)據(jù)集上均表現(xiàn)出理想的性能?！窘Y(jié)論】該方法可為以后解決可見光-紅外行人重識別的模態(tài)差異問題提供有效的參考。

關(guān)鍵詞：可見光-紅外行人重識別；注意力機制；緩解模態(tài)差異

中圖分類號：TP391；[U-9] 文獻標(biāo)志碼：A

文章編號：1005-0523（2024）02-0087-08

Visible-Infrared Person Re-Identification Based

on Dual Attention Mechanism

Wei Keming1， Han Xingyu2， Wang Hui2， Fan Zizhu1，2

（1. School of Science， East China Jiaotong University， Nanchang 330013， China； 2. Key Laboratory of Advanced Control

and Optimization of Jiangxi Province， East China Jiaotong University， Nanchang 330013， China）

Abstract： 【Objective】Visible-infrared person re-identification is a very challenging image retrieval problem due to the huge modal difference between visible and infrared images.【Method】In order to further reduce the difference between the two modalities and focus on pedestrian information， a network structure based on dual attention mechanism is proposed for visible-infrared person re-identification. On the one hand， through the dual attention mechanism to mine personal spatial information of different scales and enhance the channel interaction ability of local features. On the other hand， through learning multi-granular feature information through using global and local branches， different granular information can complement with each other to form a more discriminating feature. 【Result】Experimental results on two public datasets show that the proposed method has a significant improvement compared with the baseline， and shows ideal performance on both the RegDB dataset and the SYSU-MM01 dataset. 【Conclusion】The proposed method can provide an effective reference for solving the problem of modal difference of visible-infrared person re-identification in the future.

Key words： visible-infrared person re-identification; attention mechanism; mitigate modal differences

Citation format： WEI K M， HAN X Y， WANG H， et al. Visible-infrared person re-identification based on dual attention mechanism[J]. Journal of East China Jiaotong University， 2024， 41（2）： 87-94.

【研究意義】行人重識別主要任務(wù)是在多個不重疊的攝像機視圖中匹配特定的人，在安全領(lǐng)域有著不可或缺的作用，近年來行人重識別一直受到廣泛的關(guān)注。它的挑戰(zhàn)主要集中在視圖、姿態(tài)、光照、遮擋、背景變化等方面，為了解決這些問題，眾多學(xué)者提取出了許多解決方法，取得不錯的效果。這些方法主要集中在單模態(tài)的可見光行人重識別問題上，但在實際應(yīng)用中，往往需要捕捉不同場景下的行人圖像，特別是在夜晚光照極弱的情況下，可見光相機很難捕捉到有效的行人信息，因此可見光-紅外行人重識別就引起了眾多學(xué)者的注意。該領(lǐng)域主要研究可見光圖像和紅外圖像之間的跨模態(tài)度量問題，以從不同模態(tài)的圖像中匹配出相同的行人圖像，目的是克服在復(fù)雜環(huán)境下傳統(tǒng)行人重識別的局限性。紅外圖像相比于可見光圖像，信息量更少、視覺效果模糊、分辨率差、對比度低，巨大的模態(tài)差異，導(dǎo)致很難提取到有效的特征信息，常規(guī)的單模態(tài)行人重識別也不能夠發(fā)揮同等的效用。

【研究進展】不同模態(tài)間的巨大差異導(dǎo)致可見光-紅外行人重識別非常具有挑戰(zhàn)性，針對模態(tài)差異，眾多學(xué)者提出了一系列解決方法。為緩解模態(tài)差異，一些方法通過設(shè)計模態(tài)生成器[1-4]，從而生成中間模態(tài)或?qū)崿F(xiàn)模態(tài)轉(zhuǎn)換，例如Zhang等[2]提出特征級模態(tài)補償網(wǎng)絡(luò)，直接從其他模態(tài)的現(xiàn)有模態(tài)共享特征中生成缺失模態(tài)特定特征，但由于紅外到可見光變換的不穩(wěn)定性，導(dǎo)致生成的模態(tài)難以優(yōu)化，而且不可避免地會引入噪聲數(shù)據(jù)。另外一些方法采用單流、雙流或多流網(wǎng)絡(luò)[5-10]，通過設(shè)計不同的損失函數(shù)、注意力機制等提取不同模態(tài)共享特征，例如Wu等[10]提出聯(lián)合模態(tài)和模式對齊網(wǎng)絡(luò)，以發(fā)現(xiàn)不同模態(tài)的細微差別，減輕模態(tài)差異，并且提出了一個中心聚類損失函數(shù)，進一步約束增強學(xué)習(xí)效果。然而，基于這些學(xué)習(xí)方法訓(xùn)練通用的網(wǎng)絡(luò)模型，缺乏對特異性模態(tài)信息的關(guān)注度，導(dǎo)致關(guān)鍵信息丟失。

【關(guān)鍵問題】為了避免噪聲數(shù)據(jù)的影響，充分利用有價值的行人信息，減小模態(tài)間的差異，從以下幾個方面出發(fā)來解決此問題：【創(chuàng)新特色】首先，為了減小背景、光線等噪聲數(shù)據(jù)的影響，受到交叉注意力和空洞卷積的啟發(fā)，本文提出多尺度交叉注意力機制（multi-scale cross attention， MCA），同時利用不同尺度的空洞卷積和最大池化，擴大模塊的感受野，關(guān)注更多的邊緣信息。其次考慮到不同通道之間的信息交互和不同層次行人特征之間的差異性，本文提出局部通道交互注意力機制（part channel-interaction attention， PCA），在兼顧局部特征的同時，增強不同通道間的特征交互能力。最后，考慮到數(shù)據(jù)集規(guī)模有限，缺乏多樣性，如果僅學(xué)習(xí)全局特征，容易導(dǎo)致信息丟失，而不同粒度的特征可以更有效的提取行人信息，因此本文結(jié)合局部特征和全局特征，共同優(yōu)化網(wǎng)絡(luò)模型。本文的模型在兩個公開數(shù)據(jù)集RegDB和SYSU-MM01上均取得最優(yōu)的識別效果。

1 方法

為了減小模態(tài)差異、背景噪聲影響、增強模型的魯棒性，基于隨機通道交換[9]提出了一種兼顧局部與全局特征的雙注意力機制的網(wǎng)絡(luò)結(jié)構(gòu)用于可見光-紅外行人重識別。這一部分主要介紹網(wǎng)絡(luò)結(jié)構(gòu)的模型框架，其整體結(jié)構(gòu)如圖1所示。主要包括以下幾個部分組成：① 由ResNet50組成的雙流骨干網(wǎng)絡(luò)；② 多尺度交叉注意力機制（MCA）；③ 局部通道交互注意力機制（PCA）；④ 全局特征分支及其對應(yīng)損失函數(shù)；⑤ 局部特征分支及其對應(yīng)損失函數(shù)。在測試階段，使用全局特征分支的輸出結(jié)果進行預(yù)測，局部特征分支僅在訓(xùn)練過程中發(fā)揮效用。

1.1 模型框架

雙流網(wǎng)絡(luò)是用于可見光紅外行人重識別特征提取的典型方法，而且它的有效性在眾多文獻中得到了有力的證明。本文利用在ImageNet上預(yù)訓(xùn)練的ResNet50作為骨干網(wǎng)絡(luò)提取特征，為保證不同模態(tài)特征的特異性，網(wǎng)絡(luò)在第二個殘差塊前不共享參數(shù)；為避免噪聲的影響，本文同時設(shè)計兩個注意力模塊，注意力模塊在保持特征圖身份識別能力的同時，減輕模態(tài)差異以及背景噪聲的影響。其次，為了同時獲得全局特征和局部特征，學(xué)習(xí)到細微的、具有鑒別性的特征，本文結(jié)合PCB[11]特征分塊機制，旨在學(xué)習(xí)不同行人圖像之間的細微差別，以達到更好的效果。

1.2 多尺度交叉注意力機制（MCA）

受到交叉注意力和多尺度特征融合[12]的啟發(fā)，本文提出了MCA?？紤]到最大池化可以加強網(wǎng)絡(luò)對顯著性區(qū)域的關(guān)注度，去除背景冗余信息，但容易丟失空間分辨率，因此引入空洞卷積彌補池化的不足。同時考慮到利用不同尺度最大池化和空洞卷積可以擴大感受野，關(guān)注行人的邊緣特征，獲取多尺度的上下文信息，從而增強像素級的表征能力。具體流程如圖2左側(cè)所示，圖2右側(cè)展示了MCA中最大池化模塊和空洞卷積模塊的具體結(jié)構(gòu)。

給定特征[x∈RC×W×H，]該模塊首先在[x]上應(yīng)用兩個具有[1×1]濾波器的卷積層，分別生成兩個特征映射[Q]和[K]，其中[Q，K∈RC′×W×H]。[C′]為通道數(shù)，由于降維，通道數(shù)小于C。然后[Q]和[K]分別經(jīng)過一個多尺度最大池化塊，再經(jīng)過[1×1]濾波器的卷積層得到[Q1]和[K1]，用數(shù)學(xué)公式表示如下

[Q1=conv12（max（conv11（Q）））] （1）

[K1=conv22（max（conv21（K）））] （2）

另外給定的輸入特征[x∈RC×W×H]分別經(jīng)過不同大小濾波器的空洞卷積塊得到V，而后輸入[1×1]濾波器的卷積塊和平均池化塊得到[V1]為

[V1=avg（conv（Dilated（x）））] （3）

[Q1]和[K1]經(jīng)過仿射變換后，與[V1]進行聚合變換，最終與輸入特征x求和得

[output=x+Agg（Aff（Q1，K1），V1）] （4）

式中：Aff為仿射變換；Agg為聚合變換。

1.3 局部通道交互注意力機制（PCA）

不同通道的特征圖受到的關(guān)注度理應(yīng)是不相同的，且特征圖的不同層次也是如此，因此為了增強不同層次之間的通道交互能力，引入了PCA，如圖3所示。首先給定一個輸入特征[x∈RC×W×H]，x在水平方向被均勻地分割成若干塊，得到[xi，i=1，2，3]，然后分別經(jīng)過池化和[1×1]卷積塊，進行縮放變換，隨后對拼接的特征利用正切激活函數(shù)激活，具體過程用公式表示如下

[xi′=max（relu（convi1（xi））），i=1，2，3] （5）

[xi′=tanh（avg（convi1（xi′））），i=1，2，3] （6）

[x′=concat（x1′，x2′，x3′）] （7）

[output=x+tanh（x′）] （8）

1.4 損失函數(shù)

本節(jié)主要介紹本文的框架中使用的損失函數(shù)，包括交叉熵損失、三元損失、聚類中心損失和中心三元損失。利用交叉熵損失和三元損失結(jié)合起來監(jiān)督全局特征，利用交叉熵損失、聚類中心損失和中心三元損失作為局部分支的學(xué)習(xí)目標(biāo)。

1） 交叉熵損失函數(shù)。交叉熵損失的目標(biāo)是提取特定行人身份的信息進行分類。此方法被廣泛應(yīng)用于行人重識別任務(wù)中，以促進模型對樣本進行有效的分類。在本文中，依舊采用交叉熵損失分別優(yōu)化全局特征和局部特征，以捕獲每個行人不同模態(tài)的身份鑒別信息。交叉熵損失的表達式如下

[Lid=-i=1NlogeWTyixik=1DeWTkxi] （9）

式中：[Wk]為第[k]類的權(quán)重向量；[yi]為特征[xi]的真實身份標(biāo)簽；N為批次大??；D為訓(xùn)練集中的類數(shù)。

2） 三元損失函數(shù)。對于全局特征，利用三元損失優(yōu)化不同模態(tài)下不同行人圖像的特征，它可以拉近不同模態(tài)相同身份的行人特征間的距離，擴大不同身份的行人間的距離，本文沿用Ye等[9]提出的三元損失，公式定義如下

[Ltri=i=1Pa=1K[ρ+maxxia-xip2-mini≠jxia-xjn2]+]（10）

式中：K為模態(tài)數(shù)量；[P]為行人的數(shù)量；[xa]為錨點樣本；[xp]為正樣本對；[xn]為負樣本對；[ρ]為閥值參數(shù)，用以約束正負樣本間的距離。

3） 中心三元損失函數(shù)。三元損失通過錨點與所有其他樣本的比較計算損失。但由于圖像本身存在的一些噪聲，造成局部特征可能與全局特征有很大的差異，如果存在一些異常值，可能會過于嚴格地約束成對距離，三元損失將不能很好地優(yōu)化類內(nèi)類間距離。因此，利用中心三元損失函數(shù)優(yōu)化局部特征的類內(nèi)與類間距離，采用每個身份的中心作為身份代理，將錨點與所有其他樣本的比較替換為錨點中心與所有其他中心的比較，具體計算公式如下

[Lcenter=i=1P[ρ+civ-cit2-mini≠jciv-cjn2]++i=1P[ρ+cit-civ2-mini≠jcit-cjn2]++i=1P[ρ+cim-cit2-mini≠jcim-cjn2]+] （11）

式中：[civ]為可見光圖像特征的聚類中心；[cit]為紅外圖像的聚類中心；[cim]為隨機通道交換后得到的模態(tài)的聚類中心；[cin]為其他模態(tài)聚類中心。

4） 聚類中心損失函數(shù)。聚類中心損失通過懲罰不同模態(tài)分布的中心，優(yōu)化不同模態(tài)的類內(nèi)相似度，公式定義如下

[Lhc=i=1Pciv-cit2] （12）

式中：[civ]和[cit]分別表示可見光和紅外圖像的聚類中心。

5） 均方差損失函數(shù)。為進一步縮小相同身份不同模態(tài)的行人圖像之間的距離，簡單地應(yīng)用均方差損失進行約束，公式如下

[Lmse=i=1Pxiv-xit2] （13）

式中：[P]為行人的數(shù)量。

綜上所述，損失函數(shù)分為全局損失和局部損失，全局損失函數(shù)定義如下

[Lglobal=Lid+Ltri+Lmse] （14）

局部損失函數(shù)定義如下

[Llocal=λ1Lid+λ2Lcenter+λ3Lhc] （15）

總損失函數(shù)定義如下

[L=Lglobal+αLlocal] （16）

式中：[α]，[λ1]，[λ2]，[λ3]均為超參數(shù)，用以平衡各個損失函數(shù)之間的權(quán)重。

2 實驗

2.1 數(shù)據(jù)集

為了評估本文提出方法的有效性，在兩個公開的數(shù)據(jù)集（SYSU-MM01和RegDB）上做了充分的實驗，數(shù)據(jù)集參數(shù)如下。

SYSU-MM01數(shù)據(jù)集由4個可見光相機和2個紅外攝像機在室內(nèi)和室外拍攝而成，涉及491個身份。其中訓(xùn)練集包括22 258張可見光圖像和11 909張紅外圖像，涉及395個身份。測試集包含3 803張用于被檢索紅外圖像和301張用于檢索的可見光圖像，共96個身份。此數(shù)據(jù)集包含全局搜索和室內(nèi)搜索兩種測試模式。

RegDB數(shù)據(jù)集由一對對齊的可見光和熱成像相機拍攝而成，包括412個身份的4 120張圖片，每個身份對應(yīng)10張可見光圖像和10張熱成像圖像。此數(shù)據(jù)集被隨機劃分為兩部分，206個身份用于訓(xùn)練，其余206個身份用于測試。訓(xùn)練和測試均需基于數(shù)據(jù)集的隨機劃分重復(fù)進行10次實驗。

2.2 參數(shù)設(shè)置

采用雙注意力機制增強的雙流網(wǎng)絡(luò)，引入PCB模塊，以ResNet50作為骨干提取特征，共享后3個殘差塊的參數(shù)。采用隨機梯度下降（SGD）優(yōu)化器進行訓(xùn)練。訓(xùn)練階段，所有的可見光和紅外圖像的大小調(diào)整為[288×144]，通過隨機通道交換、擦除、翻轉(zhuǎn)增強數(shù)據(jù)集。初始學(xué)習(xí)率設(shè)置為0.1，在前10個訓(xùn)練周期采用預(yù)熱策略，在第20個訓(xùn)練周期衰減為0.01，在第50個訓(xùn)練周期衰減為0.001。訓(xùn)練周期總數(shù)設(shè)置為100。在每一個訓(xùn)練批次中，隨機抽取4個行人，其中每個行人分別抽取4張可見光圖像和4張紅外圖像，共32張行人圖像。超參數(shù)的取值區(qū)間為[[0，1]]，根據(jù)實驗結(jié)果的優(yōu)劣，不斷微調(diào)參數(shù)值，以取得更好的實驗效果，最終總損失函數(shù)[L]的參數(shù)值在RegDB數(shù)據(jù)集上分別設(shè)置為[α=1]，[λ1=1]，[λ2=][0.6]，[λ3=0.6]；在SYSU-MM01數(shù)據(jù)集上設(shè)置[α=1]，[λ1=0.5]，[λ2=0.1]，[λ3=2]。

2.3 對比現(xiàn)有方法

對比了近些年來提出的可見光-紅外行人重識別方法，表1和表2分別展示了在RegDB數(shù)據(jù)集和SYSU-MM01數(shù)據(jù)集上與不同方法比較的結(jié)果。在RegDB數(shù)據(jù)集中，可見光到紅外模式下達到了95.22%的Rank1，87.70%的mAP和74.48%的mINP；紅外到可見光模式下達到了93.67%的Rank1，86.43%的mAP和71.68%的mINP。在SYSU-MM01數(shù)據(jù)集中，全局搜索模式下達到了74.18%的Rank1，70.04%的mAP和56.97%的mINP；室內(nèi)搜索模式下達到了79.69%的Rank1，83.08%的mAP和79.65%的mINP?；谒羞@些評估和比較的結(jié)果，可以確認本文方法的優(yōu)越性及有效性。

2.4 消融實驗

以RegDB數(shù)據(jù)集為例，評估模型的有效性。

1） 不同模塊的效果。首先從模型中刪除兩個注意力模塊、PCB模塊及其對應(yīng)的損失函數(shù)，以此作為基線方法Base進行比較。P表示結(jié)合局部特征及其對應(yīng)的損失函數(shù)，MCA表示采用注意力模塊MCA，PCA表示采用注意力模塊PCA。具體結(jié)果如表3所示，從中可以清晰地看出，在采用MCA時效果比Base增加2.77%，比Base+P增加1.02%；在采用PCA時效果比Base增加2.72%，比Base+P增加0.68%；同時加上兩個注意力機制時效果比Base增加4.56%，比Base+P增加1.87%。

2） 利用全局特征進行預(yù)測的有效性。為了驗證僅使用全局特征分支進行預(yù)測的效果，在此以RegDB數(shù)據(jù)集為例，對比利用全局特征和局部特征的預(yù)測結(jié)果，其中Local表示僅利用局部特征進行預(yù)測，Global表示僅利用全局特征進行預(yù)測，Global+Local表示聯(lián)合使用全局特征和局部特征進行預(yù)測。具體結(jié)果如表4所示，從中可以觀察到利用全局特征分支進行預(yù)測的效果最好。

3） 層次劃分的效果。不同的層次劃分數(shù)量決定了行人局部特征通道交互的粒度。以RegDB數(shù)據(jù)集為例，圖4展示了不同層次劃分的效果，其中橫軸Part表示分塊的數(shù)量。為了保證Part的有效性，避免出現(xiàn)垂直方向上特征無法均分導(dǎo)致信息丟失的情況，所以Part在此可以取1，2，3，6，其中[Part=1]表示不做分塊?？梢杂^察到[Part=3]是分層提取局部行人特征的最佳設(shè)置。

3 結(jié)論

基于注意力機制，本文提出了一種端到端可見光-紅外行人重識別模型。重點針對可見光圖像和紅外圖像之間的模態(tài)差異，提出兩種注意力機制，能夠有效的提取判別性行人特征，主要結(jié)論如下。

1） 提出多尺度交叉注意力機制MCA，結(jié)合不同尺度的最大池化和空洞卷積，擴大感受野，獲取多尺度的上下文信息。

2） 提出局部通道交互注意力機制PCA，增強了局部特征的通道交互能力，對不同背景和遮擋等噪聲具有更強的魯棒性。

3） 通過設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，結(jié)合全局特征和局部特征，在RegDB數(shù)據(jù)集和SYSU-MM01數(shù)據(jù)集上均取得最優(yōu)的效果。

參考文獻：

[1]? ?WANG G， ZHANG T， CHENG J， et al. RGB-infrared cross-modality person re-identification via joint pixel and feature alignment[C]//Seoul： Proceedings of the IEEE/CVF International Conference on Computer Vision， 2019.

[2]? ?ZHANG Q， LAI C， LIU J， et al. Fmcnet： Feature-level modality compensation for visible-infrared person re-identification[C]//New Orleans： Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2022.

[3]? ?LI D， WEI X， HONG X， et al. Infrared-visible cross-modal person re-identification with an X modality[C]//New York： Proceedings of the AAAI Conference on Artificial Intelligence， 2020.

[4]? ?ZHANG Y， YAN Y， LU Y， et al. Towards a unified middle modality learning for visible-infrared person re-identification[C]//Chengdu： Proceedings of the 29th ACM International Conference on Multimedia， 2021.

[5]? ?WU A， ZHENG W S， GONG S， et al. RGB-IR person re-identification by cross-modality similarity preservation[J]. International Journal of Computer Vision， 2020， 128： 1765-1785.

[6]? ?HAO Y， WANG N， LI J， et al. HSME： Hypersphere manifold embedding for visible thermal person re-identification[C]//Honolulu： Proceedings of the AAAI Conference on Artificial Intelligence， 2019.

[7]? ?YE M， SHEN J B， CRANDALL D J， et al. Dynamic dual-attentive aggregation learning for visible-infrared person re-identification[C]//Glasgow： European Conference on Computer Vision - ECCV 2020， 2020.

[8]? ?YE M， SHEN J B， LIN G， et al. Deep learning for person re-identification： A survey and outlook[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2021， 44（6）： 2872-2893.

[9]? ?YE M， RUAN W， DU B， et al. Channel augmented joint learning for visible-infrared recognition[C]//Montreal： Proceedings of the IEEE/CVF International Conference on Computer Vision， 2021.

[10] WU Q， DAI P， CHEN J， et al. Discover cross-modality nuances for visible-infrared person re-identification[C]//Nashville： Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2021.

[11] SUN Y， ZHENG L， YANG Y， et al. Beyond part models： Person retrieval with refined part pooling[C]//Munich： Proceedings of the European Conference on Computer Vision （ECCV）， 2018.

[12] 張泓，范自柱，石林瑞，等. 一種基于多尺度特征融合的人頭計數(shù)檢測方法研究[J]. 華東交通大學(xué)學(xué)報，2021，38（2）： 115-121.

ZHANG H， FAN Z Z， SHI L R， et al. A head detection method based on multi-scale feature fusion[J]. Journal of East China Jiaotong University，2021，38（2）： 115-121.

[13] HAO X， ZHAO S， YE M， et al. Cross-modality person re-identification via modality confusion and center aggregation[C]//Montreal： Proceedings of the IEEE/CVF International Conference on Computer Vision， 2021.

[14] ZHANG L Y， DU G D， LIU F， et al. Global-local multiple granularity learning for cross-modality visible-infrared person reidentification[J]. IEEE Transactions on Neural Networks and Learning Systems， 2021： 34138719.

[15] HUANG Z， LIU J， LI L， et al. Modality-adaptive mixup and invariant decomposition for RGB-infrared person re-identification[C]//Vancouver： Proceedings of the AAAI Conference on Artificial Intelligence， 2022.

[16] CHEN C， YE M， QI M， et al. Structure-aware positional? transformer for visible-infrared person re-identification[J]. IEEE Transactions on Image Processing， 2022， 31： 2352-2364.

[17] JIANG K， ZHANG T， LIU X， et al. Cross-modality transformer for visible-infrared person re-identification[C]//Tel-Aviv： European Conference on Computer Vision， 2022.

[18] LIU J， SUN Y， ZHU F， et al. Learning memory-augmented unidirectional metrics for cross-modality person re-identification[C]//New Orleans： Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2022.

第一作者：魏克銘（1998—），男，碩士研究生，研究方向為深度學(xué)習(xí)、模式識別。E-mail： wkmqyr@163.com。

通信作者：范自柱（1975—），男，博士，教授，博士生導(dǎo)師，研究方向為模式識別、機器學(xué)習(xí)。E-mail： zzfan3@163.com。