面向智能交通系统的增强车辆重识别：一种基于深度学习的特征融合方法
计算机视觉与模式识别
2022-08-16 v1
摘要
近年来，全球都在致力于发展稳健的智能交通系统（ITS），以通过减少频繁的交通问题来提供更好的交通效率。作为 ITS 的一种应用，车辆重识别在计算机视觉与机器人领域获得了广泛关注。基于卷积神经网络（CNN）的方法被开发用于执行车辆重识别，以应对遮挡、光照变化、尺度等关键挑战。Transformer 在计算机视觉中的进展为进一步探索重识别过程以提升性能提供了机会。本文开发了一个框架，用于跨 CCTV 摄像头执行车辆重识别。为进行重识别，所提框架融合了使用 CNN 与 transformer 模型学习到的车辆表征。该框架在一个包含 20 个 CCTV 摄像头观测到的 81 个唯一车辆身份的数据集上进行了测试。实验表明，融合的车辆重识别框架取得了 61.73% 的 mAP，相较于单独的 CNN 或 transformer 模型有显著提升。
引用
@article{arxiv.2208.06579,
title = {Enhanced Vehicle Re-identification for ITS: A Feature Fusion approach using Deep Learning},
author = {Ashutosh Holla B and Manohara Pai M. M and Ujjwal Verma and Radhika M. Pai},
journal= {arXiv preprint arXiv:2208.06579},
year = {2022}
}