具有自适应注意力模块与元数据重排序的基于图像车辆重识别模型
计算机视觉与模式识别
2020-07-06 v1
摘要
由于跨非重叠摄像头的类内差异与类间相似性，车辆重识别是一项具有挑战性的任务。为应对这些问题，近期提出的方法需要额外标注以提取更多特征来排除假阳性图像。本文中，我们提出了一种由自适应注意力模块驱动的模型，其所需标签标注更少，但仍优于先前的模型。我们还在文中纳入了一种考虑元数据特征嵌入重要性的重排序方法。所提方法在CVPR AI City Challenge 2020数据集上进行了评估，在Track 2中取得了37.25%的mAP。
引用
@article{arxiv.2007.01818,
title = {Image-based Vehicle Re-identification Model with Adaptive Attention Modules and Metadata Re-ranking},
author = {Quang Truong and Hy Dang and Zhankai Ye and Minh Nguyen and Bo Mei},
journal= {arXiv preprint arXiv:2007.01818},
year = {2020}
}