基于随机遮挡辅助深度表征学习的车辆再辨识

• 作者: 侯进辉 曾焕强 朱建清 蔡磊 陈婧
• 来源期刊: 控制理论与应用
• 关键词: 车辆再辨识 随机遮挡 孪生网络 深度学习
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 人工智能与机器人专刊
• 页码范围: 1725-1730
• 页数: 6页
• 分类号: TP273
• 语种: 中文
• DOI: 10.7641/CTA.2018.80488

摘要

在车辆再辨识中,如何通过车辆外观学习到具有强区分度和鲁棒性的表示特征是至关重要的.为此,本文提出一种基于随机遮挡辅助深度表征学习的车辆再辨识算法以提高车辆再辨识的准确率.首先,本文所提算法通过引进随机遮挡对原始训练图片在局部区域进行随机遮挡,一定程度上模拟了现实中的一些遮挡情况,不仅增加了训练样本的数量,而且新增遮挡样本对于网络模型来说属于困难样本,能够防止网络模型过拟合,使得网络模型具有更强的鲁棒性;其次,本文所提算法通过构建孪生网络对原始图片和随机遮挡图片进行分类和验证联合优化学习.实验结果表明,在VeRi和VehicleID这两个数据库上,所提算法优于现有多种车辆再辨识方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈婧	华侨大学信息科学与工程学院	27	68	5.0	7.0
2	朱建清	华侨大学工学院	21	62	5.0	7.0
3	曾焕强	华侨大学信息科学与工程学院	21	60	5.0	6.0
4	侯进辉	华侨大学信息科学与工程学院	2	4	2.0	2.0
5	蔡磊	华侨大学信息科学与工程学院	2	2	1.0	1.0