细节决定成败：面向车辆重识别的自监督注意力方法
计算机视觉与模式识别
2020-07-20 v3
摘要
近年来，研究界通过基于注意力的模型来解决车辆重识别（re-id）问题，特别关注车辆上包含判别性信息的区域。这些重识别方法依赖于昂贵的关键点标签、部件标注以及包括车辆品牌、型号和颜色在内的额外属性。鉴于具有不同标注水平的车辆重识别数据集数量众多，强监督方法无法跨不同领域进行扩展。在本文中，我们提出自监督车辆重识别注意力方法（SAVER），一种有效学习车辆特定判别特征的新方法。通过大量实验，我们表明 SAVER 在具有挑战性的 VeRi、VehicleID、Vehicle-1M 和 VERI-Wild 数据集上优于当前最先进水平（SOTA）。
引用
@article{arxiv.2004.06271,
title = {The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification},
author = {Pirazh Khorramshahi and Neehar Peri and Jun-cheng Chen and Rama Chellappa},
journal= {arXiv preprint arXiv:2004.06271},
year = {2020}
}
备注
This work has been accepted European Conference on Computer Vision (ECCV) 2020