Transformer框架下面向车辆重识别的特征对齐与判别性增强

• 作者: 罗慧诚 汪淑娟
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 车辆重识别 特征对齐 图卷积 辨别性特征表示
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 器件与设计|PARTS & DESIGN
• 页码范围: 129-135
• 页数: 7页
• 分类号: TP311.1
• 语种: 中文
• DOI: 10.16280/j.videoe.2021.12.037

摘要

车辆重识别在近几年取得了显著研究进展,但由于不同摄像头下汽车外观特征具有歧义性,这对识别性能的提升带来了极大挑战.为此,在Transformer框架下,提出面向车辆重识别的特征语义对齐与判别性增强方法.该方法首先使用预训练后的车辆姿态估计模型实现对车辆关键点的提取,然后利用关键点携带的语义信息,根据图像块的坐标,设计一种特征聚集方法,将Transformer中具有相同语义的token划归到同一组内,实现特征的语义对齐,提升特征鲁棒性与判别性.此外,考虑到不同语义特征之间具有一定的内在关系,进一步构建图卷积网络来进一步优化特征质量.所提出的方法在两个公开的大型车辆数据集上均表现出了先进的效果,证明了方法的有效性以及优越性.