基于邻域特征中心化注意力的空地目标重识别方法

《Computation》：Object Re-Identification Method for Air-to-Ground Targets Based on Neighborhood Feature Centralization Attention Tian Yao, Yong Xu, Yue Ma, Hongtao Yan, Haihang Xu and An Wang

　　

为解决空地目标重识别（ReID）中的核心挑战，包括网络容易关注无效背景信息、对非线性特征分布适应性较差以及跨域泛化能力不足，本文提出了一种基于邻域特征中心化注意力（Neighborhood Feature Centralization Attention，NFCA）的新型空地ReID框架。在坐标注意力（Coordinate Attention，CA）的基础上，该框架引入了无参数（parameter-free）的邻域特征中心化机制，用以构建轻量级注意力模块，在保留精确位置编码的同时增强跨特征语义交互并抑制背景噪声。该方法通过二元交叉熵损失（binary cross-entropy loss）实现样本对相似性的端到端直接优化，从而消除了传统分类损失中的代理任务偏差，并适应特征空间的非线性结构。研究构建了一种多源数据驱动的训练策略，通过融合ReID数据集与通用分类数据集，在无需额外人工标注的前提下扩展了特征空间覆盖范围，并缩小了训练数据与真实空地场景之间的分布差距。实验表明，所提出方法在自建无人机（UAV）空地数据集JC-1、公开行人ReID数据集Market-1501以及公开车辆ReID数据集VehicleID上均取得了领先的平均精度均值（mAP）。充分的统计学验证、消融实验及跨域测试进一步验证了该方法在复杂空地场景中的先进性、可靠性与泛化能力。

该文发表于《Computation》，聚焦空地目标重识别（ReID）在无人机（UAV）协同感知场景中的关键瓶颈。空地ReID旨在跨摄像机、跨视角、跨时空条件下实现目标精确匹配，在无人机自主感知、低空边境巡检、城市智能交通监测与应急救援目标跟踪等方向具有重要工程价值。然而，与地面固定摄像机场景相比，空地场景中无人机平台高速机动，拍摄视角变化剧烈，背景区域尺度大且动态干扰强，目标尺寸波动明显，导致现有主流ReID方法在真实部署中性能显著下降。论文首先明确了该领域的三类核心问题：其一，网络容易聚焦于无效背景与冗余区域，造成目标判别特征不足；其二，传统基于分类损失与欧氏距离、余弦相似度等线性度量的方法难以适配空地场景中高度非线性的特征分布；其三，训练数据对真实场景特征空间覆盖不足，使模型跨域泛化能力受限。正是在这一背景下，研究人员提出了一种围绕“注意力机制—自适应度量—多源数据补充”三维协同优化链条构建的空地ReID框架，力图系统性突破现有方法在空地应用中的性能上限。

论文的核心研究工作包括四个方面。首先，研究人员设计了邻域特征中心化注意力（NFCA）模块。该模块建立在坐标注意力（CA）之上，但不同于仅进行独立位置编码的CA，NFCA进一步引入邻域特征中心化（Neighborhood Feature Centralization，NFC）机制，在不增加可训练参数的前提下强化跨特征语义交互，并借助邻域统计实现类内特征紧致化和背景噪声抑制，从而兼顾精确位置感知与特征判别性增强。其次，论文构建了端到端深度度量学习框架，不再以分类损失作为代理任务间接约束特征分布，而是直接通过二元交叉熵逻辑损失（BCEWithLogitsLoss）优化样本对相似性，使训练目标与推理目标保持一致，并提升对非线性特征流形的拟合能力。再次，研究人员提出无额外标注的多源数据融合训练策略，将ReID数据集与通用分类数据集按统一配对规则自动构造正负样本对，并按固定比例混合训练，以扩展特征空间覆盖、缩小训练分布与真实空地分布之间的差距。最后，论文构建了专用无人机空地车辆ReID数据集JC-1，为该方向提供了针对极端视角、不同拍摄距离、光照和昼夜变化的标准化评测基准。

方法层面可概括为以下几点：研究基于共享权重的孪生网络（Siamese Network）构建端到端ReID框架，以ResNet34为主干进行特征提取，并将NFCA作为即插即用注意力模块嵌入主干后端；利用样本对输入形式，通过绝对差分与全连接层学习数据驱动的非线性相似性函数，并采用BCEWithLogitsLoss直接监督相似度；训练阶段引入多源数据融合策略，每个批次中70%样本来自ReID数据集，30%来自通用分类数据集，分类数据按与ReID完全一致的规则自动生成正负样本对；实验样本来源包括自建JC-1、Market-1501、VehicleID，以及Oxford 102 Flower、Food-101、Omniglot和fgvcaircraft的部分训练图像。

在“3.1. Overall Network Architecture”部分，论文介绍了整体网络架构。研究人员将方法划分为特征提取模块、注意力模块和相似性评估模块三部分，形成统一的端到端训练流程。训练时，正负样本对首先被构建并输入共享权重的孪生网络，由ResNet34输出初始特征；随后NFCA模块对特征进行重标定，突出目标判别区域、抑制背景噪声；最后经由自适应非线性度量分支输出样本对相似度，并通过BCEWithLogitsLoss反向传播，同时更新主干与度量分支。论文还说明了测试流程：查询图像与图库图像经统一预处理后输入网络，提取标准化特征，通过已训练的非线性度量分支逐一计算相似度，并依据最大相似度输出重识别结果。该部分得出的关键结论是：通过共享权重编码、注意力增强和端到端相似性优化的深度耦合，模型能够避免传统预提取特征与后续度量脱节所带来的适配偏差。

在“3.2. Attention Module Fusing Neighborhood Information”部分，论文详细阐述NFCA模块。该模块首先沿水平方向与垂直方向执行二维全局平均池化（2D global average pooling，GAP），继承CA的位置编码思路；随后分别对两个方向的特征图实施NFC操作，通过统计局部邻域中的特征分布，增强相似特征之间的聚合趋势，并使不同域中语义相近的特征向局部中心收敛。完成邻域中心化后，模块再通过卷积层进行维度自适应与注意力权重生成，最终将注意力图作用于原始特征，输出加权特征。该部分强调的结论是：NFCA在保持空间定位精度的同时，增强了跨特征语义一致性，且由于NFC不依赖新增可学习参数，模块具备轻量、高效、低过拟合风险的特点。论文将其优势概括为三点：无训练参数、增强类内紧致性、保留空间位置精度，并指出其对空地场景中的视角变化、局部遮挡和光照波动具有更强鲁棒性。

在“3.3. Data-Driven Similarity Judgment Method”部分，论文聚焦相似性判定机制。研究人员指出，传统方法通常先利用分类损失优化特征，再通过欧氏距离或余弦距离进行线性相似度评估，这一流程默认特征空间近似线性可分，难以适应空地场景下由剧烈视角变化造成的复杂非线性流形结构。为此，论文采用由全连接层和Sigmoid函数构成的数据驱动非线性度量函数，以孪生分支输出特征的绝对差为输入，直接学习样本对相似性映射，并将结果约束在[0,1]区间。该部分明确的结论是：与代理式分类优化相比，直接面向样本对相似性进行训练能够更精确地贴合ReID任务目标，同时充分发挥非线性函数对复杂特征分布的拟合能力，从根本上减少人工线性度量带来的系统性偏差。

在“4.1. Preprocessing and Training Configuration Details”部分，论文说明了实验实现细节，包括图像统一缩放至224 × 224、随机水平翻转、随机擦除、ImageNet风格归一化，以及主干ResNet34最后下采样步长由2改为1，输出512维特征。优化器使用AdamW，权重衰减为5 × 10^?4，初始学习率为3 × 10^?4，每20个epoch衰减至原来的0.1倍，批量大小128，总训练轮数120。多源融合训练中，每个批次70%样本来自ReID数据集，30%来自通用分类数据集。推理阶段则先对参考库预提取512维特征，再对查询图像提取特征并计算相似度，阈值设为0.5，用于已注册身份判定与新身份发现。该部分为后续实验结果的可复现性提供了完整支撑。

在“4.2. Datasets and Experimental Details”部分，论文介绍了数据集来源。JC-1为研究人员自建的固定翼无人机车辆重识别数据集，包含681辆车、5470个标注框，每辆车至少被捕获两次，覆盖不同时间、拍摄距离和复杂空地背景，所有目标均由原始航拍图像中人工裁剪并赋予唯一ID。与此同时，实验还采用了公开行人ReID数据集Market-1501与车辆ReID数据集VehicleID，并在训练中引入Oxford 102 Flower、Food-101、Omniglot和fgvcaircraft的部分图像作为辅助分类数据。该部分体现出论文在数据组织上同时兼顾任务对齐与分布扩展的设计思路。

在“4.3. Comparative Experiments”部分，论文对所提方法与多类基线模型进行了系统比较，包括传统分类驱动方法、基于TripletLoss的度量学习方法、引入CA的注意力方法，以及FastReID和TransReID等先进方法。结果表明，所提方法在JC-1、Market-1501和VehicleID上分别取得82.1%、92.8%和83.6%的mAP，均为最优。相较TransReID，mAP分别提升0.4%、1.2%和2.4%；相较传统度量学习基线Baseline2，三数据集分别提升1.2%、9.3%和11.5%；相较仅使用CA的Baseline3，则分别提升0.8%、7.7%和9.1%。论文还通过双尾配对t检验验证全部提升均满足p < 0.05，说明性能优势具有统计学显著性。进一步的跨目标类型实验中，设置“行人训练→车辆验证”和“车辆训练→行人验证”两种场景，所提方法仍取得最佳mAP，相比TransReID分别提升0.5%和0.1%。该部分得出的核心结论是：NFCA、自适应非线性度量与多源数据融合之间存在显著协同作用，能够在同类任务与跨类别任务中共同提升泛化能力，但论文也客观指出完全跨目标类型时增益相对有限。

在“4.4. Ablation Experiments”部分，论文通过消融实验验证各核心模块的独立贡献。将NFCA替换回原始CA后，Market-1501上的mAP由92.8%降至89.1%，JC-1上由82.1%降至81.5%；将自适应非线性度量替换为欧氏距离后，Market-1501上的mAP降至87.5%，JC-1降至79.6%。这些结果表明，NFCA对抑制背景噪声、增强跨特征语义交互及保持空间定位精度具有关键作用，而非线性度量则是准确刻画复杂特征分布、避免线性度量偏差的必要条件。从结果幅度看，非线性度量对整体性能的影响尤其明显。

在“4.5. Feature Heatmap Visualization Analysis”部分，论文使用Grad-CAM对未加入NFCA的原始ResNet34和完整模型进行可视化比较，并定义了高质量ReID热图的三维评价标准：判别区域聚焦、背景噪声抑制和目标完整性。结果显示，未使用NFCA时，网络高响应区域往往分散在背景中，且无法完整覆盖目标主体；引入NFCA后，高响应区域更加准确地集中于行人身体与车辆主体等核心判别结构，背景响应明显降低，目标主体覆盖更加完整。该部分从可视化角度支持了前述定量结果，证明NFCA能够从特征编码层面改善目标关注机制。

在“4.6. Generalization Verification on Classification Task”部分，论文进一步在CIFAR-100分类任务上验证NFCA的通用性。实验结果显示，该模块取得最优Top-1准确率，较次优CBAM提高0.4%。这一结果说明，虽然NFCA是为ReID框架设计的核心组件，但其在低像素分类任务中同样具备稳定的特征增强效果，反映出一定的方法普适性。

综合全文，论文的讨论部分围绕三条主线展开。其一，NFCA通过邻域统计实现无参数跨特征增强，使模型在保持空间位置信息的同时提高对复杂背景与局部扰动的鲁棒性；其二，端到端非线性度量学习通过直接优化样本对相似性，避免了分类代理任务与线性相似度函数的双重偏差；其三，多源数据融合训练在不引入额外人工标注成本的前提下扩大了训练数据分布覆盖范围，从而提升跨域泛化能力。实验、消融、统计学检验与可视化分析形成了相互支撑的证据链，说明该方法在空地场景中的性能提升并非来自单一模块，而是源于注意力增强、度量优化与训练数据扩展之间的协同机制。同时，论文也明确指出，在完全未见目标类型的跨类泛化场景中，相较现有最优方法的提升幅度仍较有限，说明该方向仍有进一步优化空间。

研究结论可译述如下：针对空地目标重识别中的核心挑战，本文提出了一种基于邻域特征中心化注意力的全新ReID框架。通过“注意力机制—自适应度量—多源数据补充”的三维优化链条，该框架系统性解决了现有方法在空地场景中的瓶颈问题：NFCA模块在保留精确位置编码的同时增强跨特征语义交互，提升了特征对视角变化、遮挡和光照变化的鲁棒性；端到端非线性度量学习突破了传统线性度量方法的局限；多源数据融合策略在无需额外标注成本的条件下扩展了特征空间覆盖范围，并增强了跨域泛化能力。实验结果表明，该方法在自建空地数据集JC-1以及两个公开ReID数据集Market-1501和VehicleID上均取得领先性能。充分的消融实验、统计显著性检验和跨域测试验证了各核心组成部分的有效性与可靠性。同时需要客观指出的是，该方法在跨目标类型泛化场景中相对SOTA方法的性能增益仍然有限，对完全未见目标类型的泛化能力仍有待进一步提升。