用于精确车辆搜索的 Repression Network 学习
计算机视觉与模式识别
2017-08-09 v1
摘要
公共安全领域监控摄像头使用的爆炸式增长，凸显了从大规模图像数据库中进行车辆搜索的重要性。精确车辆搜索旨在为给定的查询车辆图像找出所有实例，这是一项具有挑战性的任务，因为如果不同车辆共享相同的视觉属性，它们看起来会非常相似。为了解决这个问题，我们提出了 Repression Network (RepNet)，一种新颖的多任务学习框架，以同时从粗粒度和细节层面为每张车辆图像学习判别性特征。此外，得益于属性分类令人满意的准确率，我们提出了一种桶搜索方法，以在保持竞争力的性能的同时减少检索时间。我们在修订后的 VehicleID 数据集上进行了大量实验。实验结果表明，我们的 RepNet 达到了 SOTA 性能，并且桶搜索方法可以将检索时间减少约 24 倍。
引用
@article{arxiv.1708.02386,
title = {Learning a Repression Network for Precise Vehicle Search},
author = {Qiantong Xu and Ke Yan and Yonghong Tian},
journal= {arXiv preprint arXiv:1708.02386},
year = {2017}
}