6 Tổng kết
3.5 Trực quan những vùng đặc trưng được chú ý
chú ý; (iii) Đặc trưng được chú ý nhưng vẫn giữ được sự bao qt. Có thể thấy được tính bao quát làm cho vùng được tập trung trải rộng ra và giảm việc tập trung quá mức vào một vùng của bức ảnh (L: giá trị lớn; S: giá trị nhỏ) [12].
Những nỗ lực đáng kể đã được dành để giải quyết những thách thức trên. Trong số đó, việc kết hợp thông tin của những bộ phận cơ thể [76, 77, 78] đã được thực nghiệm chứng minh là có hiệu quả trong việc tăng cường độ chính xác trước những sự sai lệch góc nhìn về ngoại hình hay việc ngoại hình của đối tượng khơng hồn chỉnh do bị che khuất. Được lấy cảm hứng từ những nghiên cứu trên, cơ chế chú ý (attention mechanism) [79] đã được đưa ra để thực thi các đặc điểm để tập trung ghi lại những hình dáng nổi bật của đối tượng (hoặc một số bộ phận cơ thể). Kể từ đó, các mơ hình dựa trên cơ chế chú ý [80, 81, 82] đã thúc đẩy độ chính xác của các mơ hình tái định con người lên rất nhiều. Một lưu ý, mức độ tương đồng giữa các hình ảnh thường được đo bằng cách tính khoảng cách Euclide giữa các vectơ đặc trưng của chúng. Bài báo [83] chỉ ra rằng mức độ tương quan (correlation) giữa các vectơ đặc trưng sẽ ảnh hưởng đáng kể đến hiệu suất đối sánh các hình ảnh, cụ thể là nếu mức độ tương quan giữa các vectơ đặc trưng cao sẽ dẫn đến khó khăn trong việc phân biệt các hình ảnh. Tuy nhiên, những vectơ được tạo ra bởi các mơ hình sử dụng cơ chế tập trung có mức độ tương quan cao hơn bởi vì cơ chế tập trung có xu hướng tập trung vào các đặc trưng trên một phần của bức ảnh thay vì cả bức ảnh (như hình 3.5). Bài báo [12] đã đề xuất một mơ hình tái định danh mới có thể giải quyết các vấn đề vừa nêu bằng cách giữ cho mơ hình vừa có tính tập trung (attentive) và vừa có sự đa dạng (diverse) khi thực hiện rút trích đặc trưng và mơ hình này cũng chính là mơ hình rút trích đặc trưng sẽ được dùng trong hệ thống luận văn. Tính tập trung của mơ hình sẽ giải quyết sự khơng đồng bộ về bề ngồi của đối tượng giữa các khung hình, loại bỏ nhiễu nền và tập trung vào bộ phận nổi bật của đối tượng. Tính đa dạng nhằm làm giảm mức độ tương quan giữa các đặc trưng và do đó có thể định danh tốt hơn và có khả năng rút trích đặc trưng tồn diện hơn. Mơ hình đề xuất của bài báo là một mạng Attentive but Diverse Network (ABD-Net) trong đó tích hợp các mơ-đun chú ý và đa dạng hóa và áp dụng chúng trong suốt toàn bộ kiến trúc mạng.