面向车辆重识别的背景分割
计算机视觉与模式识别
2019-10-16 v1
摘要
车辆重识别（Re-ID）在智能交通与视频监控中十分重要。已有工作聚焦于从车辆视觉外观提取判别性特征或使用视觉-时空信息。然而，车辆重识别中的背景干扰尚未被探索。在实际大规模时空场景中，同一车辆常出现于不同背景，而不同车辆可能出现在相同背景，这将严重影响重识别性能。据我们所知，本文首次考虑车辆重识别中的背景干扰问题。我们构建了一个车辆分割数据集，并开发了带有背景干扰去除（BIR）机制的车辆重识别框架，以提升大规模时空场景中车辆重识别性能及对复杂背景的鲁棒性。大量实验证明了我们所提框架的有效性，在 mAP 上相较 SOTA 车辆重识别算法平均提升 9%。
引用
@article{arxiv.1910.06613,
title = {Background Segmentation for Vehicle Re-Identification},
author = {Mingjie Wu and Yongfei Zhang and Tianyu Zhang and Wenqi Zhang},
journal= {arXiv preprint arXiv:1910.06613},
year = {2019}
}