基于稀疏自注意力增强域适应框架（ADA）的无监督行人重识别跨域特征学习研究

【编辑推荐】本文提出创新的稀疏自注意力增强域适应框架（ADA），通过三明治注意力基元（SAP）和层级稀疏注意力瓶颈模块（SAAB block）解决行人重识别（ReID）中的域偏移问题，在跨数据集任务中实现16.5% mAP提升，为智能安防系统提供无需标注的跨域适配方案。

　　

亮点

本文提出的ADA框架通过以下创新点推动领域发展：

• 三明治注意力基元（SAP）：新型计算单元融合卷积归纳偏置与稀疏标记交互，在基元层面增强域适应能力。

• 稀疏注意力增强瓶颈模块（SAAB block）：层级结构集成SAP，通过可扩展设计构建任务特异性ADA框架。

实验验证

在CUHK03→Market-1501等跨域任务中：

• 性能突破：mAP显著提升16.5%，超越现有SOTA方法

• 计算优势：稀疏自注意力机制降低FLOPs，保持模型鲁棒性

讨论

对比分析显示稀疏自注意力的三大优势：

1. 计算高效性：较标准自注意力减少30%运算量

2. 架构灵活性：支持动态稀疏模式配置

3. 部署兼容性：在CNN架构中表现最优

结论

ADA框架通过双轨设计（架构兼容性+位置灵活部署）解决当前域适应方法的局限性，未来将优化Transformer架构的注意力稀疏模式。

（注：翻译部分已去除文献引用标识，专业术语保留英文缩写并采用生命科学领域常用表述方式，如"鲁棒性"对应"robustness"）