首页|基于视角一致性三元组损失的车辆重识别技术

基于视角一致性三元组损失的车辆重识别技术

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
车辆重识别是一项跨摄像头检索目标车辆的任务,主要通过提取车辆外观特征并计算特征间的距离度量来实现.目前,视角多样性给该任务带来了巨大挑战:极端视角下的正样本对和相似视角下的负样本对容易被混淆,这严重影响了识别效果.为了解决这一问题,基于区域分割提出了车辆重识别的视角一致性三元组损失.用分割区域面积分布的一致性来估计视角一致性,进而根据视角一致性筛选三元组.该方法使网络重点学习容易被混淆的样本对之间的距离度量,从而提升模型在多视角复杂场景下的表现.实验结果显示,该方法各项指标均优于参考方法,并且对视角挑战性大的样本的提升效果尤其明显,这充分体现了该方法的有效性和优越性.
View Consistency Triplet Loss for Vehicle Re-Identification

刘晗煜、黄宏恩、郑世宝

展开 >

上海交通大学,上海 201100

车辆重识别 度量学习 视角一致性 区域分割 三元组损失

62071292

2021

10.19708/j.ckjs.2021.08.009

测控技术
中国航空工业集团公司北京长城航空测控技术研究所

测控技术

CSTPCD
影响因子：0.5
ISSN：1000-8829
年,卷(期)：2021.40(8)
  • 1
  • 16