基于高置信局部特征的车辆重识别优化算法

摘要：

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法.首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域.根据车标扩散区域的高区分度特性,提升局部区域的置信度.使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量.然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数.最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离.在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性.

关键词：车辆重识别、高置信局部特征、特征优化、区域检测、神经网络

所属期刊栏目：46

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金;澳门特别行政区科学技术发展基金;软件开发环境国家重点实验室开放基金

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1650-1659