面向车辆重识别的视角感知通道注意力网络
计算机视觉与模式识别
2020-10-13 v1
摘要
车辆重识别（re-ID）用于跨不同摄像头匹配同一车辆的图像。其本质上具有挑战性，因为不同视角导致的外观剧烈差异会使框架无法匹配同一身份的两辆车。大多数现有工作通过空间注意力机制提取视角感知特征来解决该问题，但这通常受困于生成的注意力图含噪，否则就需要昂贵的关键点标签来提升质量。在本工作中，我们通过从另一角度观察注意力机制，提出了视角感知通道注意力机制（VCAM）。我们的VCAM使特征学习框架能够根据输入车辆的“视角”按通道重新权衡各特征图的重要性。大量实验验证了所提方法的有效性，并表明我们在公开VeRi-776数据集上优于当前最优（SOTA）方法，且在2020 AI City Challenge上取得了有前景的结果。我们还进行了其他实验以展示VCAM实际如何辅助学习框架的可解释性。
引用
@article{arxiv.2010.05810,
title = {Viewpoint-Aware Channel-Wise Attentive Network for Vehicle Re-Identification},
author = {Tsai-Shien Chen and Man-Yu Lee and Chih-Ting Liu and Shao-Yi Chien},
journal= {arXiv preprint arXiv:2010.05810},
year = {2020}
}
备注
CVPR Workshop 2020