上下文中的车辆重识别
计算机视觉与模式识别
2018-09-27 v2
摘要
现有的车辆重识别（re-id）评测基准假定可获得高质量图像和几乎恒定图像尺度下的细粒度外观，考虑了强人工测试场景，类似于自动车牌识别所需的图像，例如 VeRi-776。此类假设在真实车辆重识别场景中往往不成立，因为任意变化的图像分辨率（尺度）是常态。这使得现有车辆重识别基准在测试重识别方法真实性能方面存在局限。在本工作中，我们引入了一个更真实且更具挑战性的车辆重识别基准，称为 Vehicle Re-Identification in Context（VRIC，上下文中的车辆重识别）。与现有数据集不同，VRIC 的独特之处在于其车辆图像具有更真实且不受约束的分辨率（尺度）、运动模糊、光照、遮挡和视角变化。它包含由 60 个不同摄像机在白天和夜间异质道路交通场景中捕获的 5,622 个车辆身份的 60,430 张图像。
引用
@article{arxiv.1809.09409,
title = {Vehicle Re-Identification in Context},
author = {Aytaç Kanacı and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1809.09409},
year = {2018}
}
备注
Dataset available at: http://qmul-vric.github.io. To appear on German Conference on Pattern Recognition (GCPR) 2018