基于语义引导部件注意力网络的朝向感知车辆重识别
计算机视觉与模式识别
2020-10-13 v2
摘要
车辆重识别 (re-ID) 致力于跨不同摄像头匹配同一车辆的图像。由于车辆之间的差异有时十分细微，该任务本质上具有挑战性。尽管若干研究引入空间注意力机制以辅助车辆重识别，但它们往往需要昂贵的关键点标注，或在未使用昂贵标注训练时受到噪声注意力掩码的影响。本工作中，我们提出一种专用的语义引导部件注意力网络 (SPAN)，在仅使用图像级语义标注进行训练的条件下，鲁棒地预测车辆不同视角下的部件注意力掩码。借助部件注意力掩码，我们可分别提取各部件中的判别性特征。随后我们引入共现部件注意力距离度量 (CPDM)，在评估两幅图像的特征距离时更关注共现的车辆部件。大量实验验证了所提方法的有效性，并表明我们的框架优于当前最优 (SOTA) 方法。
引用
@article{arxiv.2008.11423,
title = {Orientation-aware Vehicle Re-identification with Semantics-guided Part Attention Network},
author = {Tsai-Shien Chen and Chih-Ting Liu and Chih-Wei Wu and Shao-Yi Chien},
journal= {arXiv preprint arXiv:2008.11423},
year = {2020}
}
备注
ECCV 2020 (Oral). Paper Website: http://media.ee.ntu.edu.tw/research/SPAN/