面向车辆重识别的多域学习与身份挖掘
计算机视觉与模式识别
2020-04-27 v2
摘要
本文介绍了我们针对 AI City Challenge 2020（AICITY20）中 Track2 的解决方案。Track2 是一项同时包含真实世界数据与合成数据的车辆重识别（ReID）任务。我们的解决方案基于行人 ReID 中提出的带技巧集的强基线（BoT-BS）。首先，我们提出一种多域学习方法，联合真实世界与合成数据训练模型。然后，我们提出身份挖掘方法，为部分测试数据自动生成伪标签，其优于 k-means 聚类。还采用了带加权特征的轨迹级重排序策略对结果进行后处理。最终，通过多模型集成，我们的方法在 mAP 指标上取得 0.7322 的成绩，在竞赛中排名第三。代码见 https://github.com/heshuting555/AICITY2020_DMT_VehicleReID。
引用
@article{arxiv.2004.10547,
title = {Multi-Domain Learning and Identity Mining for Vehicle Re-Identification},
author = {Shuting He and Hao Luo and Weihua Chen and Miao Zhang and Yuqi Zhang and Fan Wang and Hao Li and Wei Jiang},
journal= {arXiv preprint arXiv:2004.10547},
year = {2020}
}
备注
Solution for AI City Challenge, CVPR2020 Workshop. Codes are at https://github.com/heshuting555/AICITY2020_DMT_VehicleReID