面向车辆重识别的异质关系互补方法
计算机视觉与模式识别
2021-09-17 v1
摘要
车辆重识别的关键问题是在跨视角摄像头回顾该对象时找到相同的车辆身份,这对学习视角不变表示提出了更高要求。本文中,我们提出从两个方面解决该问题:构建鲁棒特征表示和提出相机敏感评估。我们首先提出一种新颖的异质关系互补网络(HRCN),通过将区域特定特征和跨层级特征作为原始高层输出的补充加以整合。考虑到分布差异和语义错位,我们提出基于图的关系模块将这些异质特征嵌入统一的高维空间。另一方面,考虑到现有度量(即CMC和AP)中跨摄像头评估的不足,我们进而提出跨摄像头泛化度量(CGM),通过引入位置敏感性和跨摄像头泛化惩罚来改进评估。我们进一步利用所提出的CGM构建了现有模型的新的基准,实验结果表明我们的HRCN模型在VeRi-776、VehicleID和VERI-Wild上取得了新的SOTA。
引用
@article{arxiv.2109.07894,
title = {Heterogeneous Relational Complement for Vehicle Re-identification},
author = {Jiajian Zhao and Yifan Zhao and Jia Li and Ke Yan and Yonghong Tian},
journal= {arXiv preprint arXiv:2109.07894},
year = {2021}
}
备注
10 pages, 4 figures. Accepted in ICCV 2021