DSAM-GN：基于动态相似邻接矩阵的图网络用于车辆重识别
计算机视觉与模式识别
2023-10-26 v1
摘要
近年来，由于智能交通系统的发展，车辆重识别（Re-ID）在辅助驾驶系统、交通流管理和车辆跟踪等各种应用中日益重要。然而，无关背景信息和遮挡的存在会干扰判别性特征的学习，导致同一车辆图像在不同场景下出现显著变化。本文提出一种名为基于动态相似邻接矩阵的图网络（DSAM-GN）的方法，其引入了一种构建邻接矩阵的新方式，以捕获局部特征的空间关系并降低背景噪声。具体而言，该方法将提取的车辆特征划分为不同块作为图网络中的节点。采用基于空间注意力的相似邻接矩阵生成（SASAMG）模块计算节点相似矩阵，并应用动态擦除操作断开低相似度节点，从而得到相似邻接矩阵。最后，将节点与相似邻接矩阵输入图网络，提取更具判别性的特征用于车辆 Re-ID。在公开数据集 VeRi-776 和 VehicleID 上的实验结果证明了所提方法相较于近期工作的有效性。
引用
@article{arxiv.2310.16694,
title = {DSAM-GN:Graph Network based on Dynamic Similarity Adjacency Matrices for Vehicle Re-identification},
author = {Yuejun Jiao and Song Qiu and Mingsong Chen and Dingding Han and Qingli Li and Yue Lu},
journal= {arXiv preprint arXiv:2310.16694},
year = {2023}
}
备注
This paper has been accepted by the 20th Pacific Rim International Conference on Artificial Intelligence in 2023