一种用于快速模拟强法向极化超表面的DG-FEM-GSTC方法

《IEEE Transactions on Antennas and Propagation》：A DG-FEM-GSTC Method for Fast Simulation of Metasurfaces With Strong Normal Polarization

　　

摘要：

人员重识别技术旨在从不同的摄像头中找到同一人。尽管近年来取得了进展，但由于大规模数据集中类别间的相似度较高，以及跨平台场景（如无人机和可穿戴摄像头）中同一类别内的差异极大，该任务依然极具挑战性。虽然Transformer因其出色的长距离依赖建模能力以及对整体外观变化的良好适应性而被引入到人员重识别领域，但由于自注意力机制的固有特性，它们往往难以捕捉到精细的局部特征。为了解决这一问题，我们提出了一种强化Transformer（RT）架构，用于恢复并强化这些关键的局部细节。具体而言，我们设计了细节保留模块（DRM），以在增强局部与全局特征交互的同时保留重要的局部信息。在此基础上，我们还引入了多细节恢复模块（MDRM），从粗到细和从细到粗两个角度逐步恢复局部特征。在四个大规模测试集以及一个混合的空中地面数据集上的大量实验表明，我们的方法在各种测试集中均达到了最先进水平或具备极强的竞争力。