基于双分支网络特征融合的车辆重识别方法

• 作者: 张雪 孟令灿 聂秀山
• 来源期刊: 数据采集与处理
• 关键词: 车辆重识别 双分支网络 特征融合 深度学习
• 年，卷（期）: 2021,（3）
• 页码范围: 468-476
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2021.03.005

摘要

车辆重识别目的是通过不同的摄像机来识别同一辆车.但是由于车辆图像类内差异性大、类间相似性大,使得车辆重识别成为一个极具挑战性的任务.本文提出了一个基于双分支网络特征融合的车辆重识别方法来解决这一问题.该方法使用2个分支和批擦除策略提取并融合全局特征和局部特征,以突出车辆图像的类内相似性和类间差异性;并且采用圆损失代替传统的三元组损失和交叉熵损失的组合来构造目标函数.最后使用本文方法在VeRi-776和VehicleID两个公共数据集上进行实验,结果表明其检索精度比现有方法提高5％左右,证明了本文方法的有效性.