基于注意力机制与多尺度融合学习的车辆重识别方法

• 作者: 潘海鹏 王云涛 马淼
• 来源期刊: 浙江理工大学学报（自然科学版）
• 关键词: 车辆重识别 注意力机制 多尺度融合 全局特征 局部特征 深度学习网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 电子与信息技术|Electronic and Information Technology
• 页码范围: 657-665
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3851(n).2021.05.011

摘要

在车辆重识别任务中,通常会出现相机角度变化和场景变化等情况,导致重识别准确率降低,为此提出了一种基于注意力与多尺度融合学习的车辆重识别方法,在多尺度下提取并融合浅层细节信息和深层语义信息.首先,构造一种深度学习网络,通过注意力机制学习车辆图像的显著性特征;然后,在多个尺度下对描述车辆身份的信息进行提取,将浅层表达的细节信息和深层表达的语义信息相融合构造空间特征;其次,对空间特征进行分解与重组,得到具有空间鲁棒性的局部特征,并与全局特征融合,构造车辆身份重识别特征;最后,利用该特征计算不同车辆图像间相似度,判断是否具有相同的身份.实验结果表明:在VeRi-776数据集上测试得到的Rank-1指标达到了 94.0％,mAP指标达到了 72.2％,表明该方法在相机角度变化、场景变化等情况下可以有效提高车辆重识别的准确率.