基于局部特征与视点感知的车辆重识别算法

摘要：

在车辆重识别任务中,车辆视角的多变性会影响算法的准确性.为了解决视角多变对重识别准确性的影响,本文提出了一种基于局部特征与视点感知的车辆重识别方法.首先,使用语义分割算法将车辆解构为正面、背面、侧面、顶部4个部分,以提高车辆的细粒度表征.通过设计一种车辆视点感知网络,来输出视点的预测概率信息,据此概率信息动态平滑地呈现车辆视点感知效果.利用视点感知效果,为车辆每个局部区域赋予不同的权重,达到缩短类内距离,扩大类间差距,减少视角变化对车辆重识别的影响.利用公开数据集进行实验,其中VeRi776数据集的mAP可达到80.9％.结果表明,本方法可有效提高车辆重识别精度.结合消融实验证明了视点感知的平滑表示对多视角下车辆重识别的有效性.

关键词：深度学习、车辆重识别、语义分割、视点感知

所属期刊栏目：43

分类号：TP391;TH39(计算技术、计算机技术)

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：177-184