超越权重共享：面向无人机 RGB-红外车辆重识别的特征解耦学习网络
计算机视觉与模式识别
2023-10-13 v1 人工智能
摘要
由于具备全天候目标搜索能力，基于无人机（UAV）的跨模态车辆重识别（Re-ID）在视频监控与公共安全领域正受到越来越多的关注。然而，由于数据不足问题，这一前景广阔且具创新性的研究尚未得到充分探究。同时，跨模态差异与朝向差异挑战进一步加剧了该任务的难度。为此，我们开创了一个名为 UAV 跨模态车辆重识别（UCM-VeID）的跨模态车辆 Re-ID 基准，包含 753 个身份，共 16015 张 RGB 图像与 13913 张红外图像。此外，为应对跨模态差异与朝向差异挑战，我们提出一种混合权重解耦网络（HWDNet）以学习共享的、具有朝向不变性的判别特征。针对第一个挑战，我们提出了一种带有精心设计的权重约束器及其对应目标函数的混合权重孪生网络，以学习模态特定与模态共享信息。针对第二个挑战，研究了三种带有两个前置任务的有效解耦结构以学习朝向不变特征。我们进行了全面的实验以验证所提方法的有效性。数据集与代码将在 https://github.com/moonstarL/UAV-CM-VeID 发布。
引用
@article{arxiv.2310.08026,
title = {Beyond Sharing Weights in Decoupling Feature Learning Network for UAV RGB-Infrared Vehicle Re-Identification},
author = {Xingyue Liu and Jiahao Qi and Chen Chen and Kangcheng Bin and Ping Zhong},
journal= {arXiv preprint arXiv:2310.08026},
year = {2023}
}
备注
13 pages, 10 figures, 64 citations, submitted to TMM