多查询车辆重识别：视角条件网络、统一数据集与新度量
计算机视觉与模式识别
2023-05-26 v1
摘要
现有车辆重识别方法主要依赖单查询，其车辆表示信息有限，从而在复杂监控网络中显著阻碍车辆Re-ID性能。本文提出一项更现实且更易获取的任务，称为多查询车辆Re-ID，它利用多个查询克服单查询的视角局限。基于该任务，我们做出三项主要贡献。首先，我们设计了一种新颖的视角条件网络（VCNet），自适应地结合来自不同车辆视角的互补信息，用于多查询车辆Re-ID。此外，为处理车辆视角缺失问题，我们提出跨视角特征恢复模块，通过学习可用与缺失视角特征间的相关性来恢复缺失视角特征。其次，我们创建了一个统一基准数据集，由真实交通监控系统的6142个摄像头拍摄，具有全面视角和每车大量跨场景，用于多查询车辆Re-ID评估。最后，我们设计了一种新评估度量，称为平均跨场景精度（mCSP），它通过抑制来自同一摄像头相似视角的正样本来衡量跨场景识别能力。综合实验验证了所提方法相对于其他方法的优越性，以及所设计度量在多查询车辆Re-ID评估中的有效性。
引用
@article{arxiv.2305.15764,
title = {Multi-query Vehicle Re-identification: Viewpoint-conditioned Network, Unified Dataset and New Metric},
author = {Aihua Zheng and Chaobin Zhang and Weijun Zhang and Chenglong Li and Jin Tang and Chang Tan and Ruoran Jia},
journal= {arXiv preprint arXiv:2305.15764},
year = {2023}
}