基于部件的流式多分支模型用于车辆检索
计算机视觉与模式识别
2019-11-12 v1
摘要
由于公共安全和智能交通系统的巨大需求，检索同一车辆已变得愈发重要。当前研究通常将车辆视为整体对象，然后训练距离度量来衡量车辆间的相似性。然而，这些原始图像可能与具有不同身份的图像极为相似，并包含背景中的一些像素，可能干扰距离度量学习。在本文中，我们提出一种新颖且实用的方法，将原始车辆图像分割为若干具有判别力的前景部件，这些部件由一些被称为判别块（discriminative patches）的细粒度区域组成。此后，这些部件与原始图像一同被输入所提出的深度学习网络。我们可以通过计算来自全连接层（FC layer）的特征的欧氏距离轻松衡量两幅车辆图像的相似性。本文的两个主要贡献如下：首先，提出了一种方法来估计原始车辆图像中的块是否具有判别力；其次，设计并优化了用于车辆检索与重识别任务的新型基于部件的流式多分支模型（Part-based Multi-Stream Model, PMSM）。我们在 VehicleID 数据集上评估了所提方法，实验结果表明我们的方法优于基线。
引用
@article{arxiv.1911.04144,
title = {Part-based Multi-stream Model for Vehicle Searching},
author = {Ya Sun and Minxian Li and Jianfeng Lu},
journal= {arXiv preprint arXiv:1911.04144},
year = {2019}
}
备注
Published in International Conference on Pattern Recognition 2018