【摘要】为了增强学生对电子信息类课程关联知识体系的理解,该文将课堂教学与实验设计相结合,提出一种基于多粒度深度特征融合的多尺度行人重识别网络(multi-scale person re-identification based on multi-granularity depth fusion network,MSMG-Re ID)实验设计,包含全局粗粒度融合特征、局部粗粒度特征、局部注意力细粒度融合特征3个分支。首先,全局粗粒度融合学习分支能够捕获行人身体最显著信息;其次,局部粗粒度融合学习分支从不同区域中提取局部特征,作为对全局特征的补充;最后,局部注意力细粒度融合学习分支引入注意力模块,挖掘行人更深层次特征且消除复杂背景干扰。此外,在局部分支后构建PBNeck模块,防止网络在训练过程中梯度爆炸,并提出联合损失函数对多尺度和机制融合网络进行学习,保证MSMG-Re ID模型的鲁棒性。为了验证提出方法的有效性,在行人标准数据集Market-1501、Duke MTMC-re ID上展开大量的仿真实验,结果表明,MSMG-Re ID学习到的特征具有较强的代表性和辨别力,且明显高于其他行人重识别算法。