车辆重识别的强基线方法
计算机视觉与模式识别
2021-04-23 v1
摘要
车辆重识别（Re-ID）旨在跨不同摄像头识别同一车辆，因此在现代交通管理系统中发挥着重要作用。技术挑战要求算法必须对不同视角、分辨率、遮挡和光照条件具有鲁棒性。本文首先分析了阻碍车辆 Re-ID 性能的主要因素。随后我们给出针对性的解决方案， specifically 面向第五届 AI City Challenge 的 Track 2 数据集，包括（1）缩小真实与合成数据间的域差距，（2）通过堆叠带注意力机制的多头进行网络修改，（3）自适应损失权重调整。我们的方法在私有 CityFlow 测试集上取得了 61.34% mAP，且未使用外部数据集或伪标签，并在 Veri 基准上以 87.1% mAP 优于以往所有工作。代码见 https://github.com/cybercore-co-ltd/track2_aicity_2021。
引用
@article{arxiv.2104.10850,
title = {A Strong Baseline for Vehicle Re-Identification},
author = {Su V. Huynh and Nam H. Nguyen and Ngoc T. Nguyen and Vinh TQ. Nguyen and Chau Huynh and Chuong Nguyen},
journal= {arXiv preprint arXiv:2104.10850},
year = {2021}
}
备注
Accepted to CVPR Workshop 2021, 5th AI City Challenge