面向车辆重识别的判别区域注意力与正交视角生成模型
计算机视觉与模式识别
2022-04-29 v1 人工智能
摘要
车辆重识别（Re-ID）因缓解城市交通管理日益繁重任务带来的压力而亟需。多重挑战阻碍了基于视觉的车辆 Re-ID 方法应用：（1）同品牌/型号不同车辆外观常相似；然而，（2）同一车辆在不同视角下外观差异显著。先前方法主要使用人工标注的多属性数据集来辅助网络获取细节线索并推理多视角以提升车辆 Re-ID 性能。但精细标注的车辆数据集在实际应用场景通常难以获取。因此，我们提出判别区域注意力与正交视角生成（DRA-OVG）模型，其仅需身份（ID）标签即可克服车辆 Re-ID 的多重挑战。所提 DRA 模型可自动提取能区分相似车辆的判别区域特征；OVG 模型可基于输入视角特征生成多视角特征，以降低视角不匹配的影响。最终，车辆外观间距离由判别区域特征与多视角特征共同表征，从而在完整特征空间中增强了车辆间成对距离度量的显著性。大量实验证实了各提出组件的有效性，且实验结果表明我们的方法在 VehicleID 与 VeRi-776 数据集上相较最先进（SOTA）车辆 Re-ID 方法取得了显著提升。
引用
@article{arxiv.2204.13323,
title = {Discriminative-Region Attention and Orthogonal-View Generation Model for Vehicle Re-Identification},
author = {Huadong Li and Yuefeng Wang and Ying Wei and Lin Wang and Li Ge},
journal= {arXiv preprint arXiv:2204.13323},
year = {2022}
}
备注
28pages,12 figures