基于视角感知度量学习的车辆重识别
计算机视觉与模式识别
2019-10-10 v1
摘要
本文研究车辆重识别(re-ID)问题。极端的视角变化(高达180度)给现有方法带来了巨大挑战。受人类识别过程中行为的启发,我们提出了一种新颖的视角感知度量学习方法。该方法在两个特征空间中分别针对相似视角和不同视角学习两个度量,由此产生了视角感知网络(VANet)。在训练期间,联合施加两类约束。在推理期间,首先估计视角并使用相应的度量。实验结果证实,VANet显著提高了重识别准确率,尤其是在配对图像从不同视角观测时。我们的方法在两个基准上确立了新的 SOTA。
引用
@article{arxiv.1910.04104,
title = {Vehicle Re-identification with Viewpoint-aware Metric Learning},
author = {Ruihang Chu and Yifan Sun and Yadong Li and Zheng Liu and Chi Zhang and Yichen Wei},
journal= {arXiv preprint arXiv:1910.04104},
year = {2019}
}
备注
Accepted by ICCV 2019