面向车辆重识别的全局监督对比损失与视角感知后处理方法
计算机视觉与模式识别
2022-04-19 v1
摘要
本文中，我们提出了一种全局监督对比损失和一种基于视角感知的后处理方法（VABPP）用于车辆重识别领域。传统的监督对比损失计算批次内特征的距离，因此具有局部属性。而所提出的全局监督对比损失具有新的性质并具有良好的全局属性，训练过程中每个锚点的正样本和负样本特征来自整个训练集。所提出的 VABPP 方法首次将基于视角感知的方法用作车辆重识别领域的后处理方法。VABPP 的优点在于：首先，它仅在测试时使用，不影响训练过程。其次，作为后处理方法，它可以轻松集成到其他已训练的重识别模型中。我们直接将本文训练的模型计算出的视角对距离缩放系数矩阵应用于另一个已训练的重识别模型，VABPP 方法大幅提升了其性能，验证了 VABPP 方法的可行性。
引用
@article{arxiv.2204.07943,
title = {Global-Supervised Contrastive Loss and View-Aware-Based Post-Processing for Vehicle Re-Identification},
author = {Zhijun Hu and Yong Xu and Jie Wen and Xianjing Cheng and Zaijun Zhang and Lilei Sun and Yaowei Wang},
journal= {arXiv preprint arXiv:2204.07943},
year = {2022}
}