AttributeNet：属性增强的车辆重识别
计算机视觉与模式识别
2021-09-02 v2
摘要
车辆重识别（V-ReID）是一项关键任务，用于关联来自不同摄像机视角的同一车辆图像。许多工作探索属性线索以增强 V-ReID；然而，属性相关模块与最终 V-ReID 目标之间通常缺乏有效交互。在本工作中，我们提出一种新方法，从车辆属性（例如颜色和类型）中高效挖掘判别信息。我们引入 AttributeNet（ANet），联合提取身份相关特征和属性特征。我们通过蒸馏有助于 ReID 的属性特征并将其加入通用 ReID 特征中以增强判别力，从而实现交互。此外，我们提出一种称为改进约束（AC）的限制条件，其鼓励在通用 ReID 特征上加入属性特征后的特征比原始通用 ReID 特征更具判别性。我们在三个具有挑战性的数据集上验证了框架的有效性。实验结果表明，我们的方法取得了最先进的性能。
引用
@article{arxiv.2102.03898,
title = {AttributeNet: Attribute Enhanced Vehicle Re-Identification},
author = {Rodolfo Quispe and Cuiling Lan and Wenjun Zeng and Helio Pedrini},
journal= {arXiv preprint arXiv:2102.03898},
year = {2021}
}
备注
Accepted on Neurocomputing