基于联邦学习的无监督跨域车辆重识别方法
在车辆重识别的实际应用场景中,车辆图像通常来自不同区域的摄像头,路侧边缘计算单元的计算能力有限,无法实时完成模型训练.如果直接部署统一的模型,由于地域差异,同一种网络无法适应所有地域的图像风格,从而影响车辆重识别的准确性.针对以上问题,文章深入分析了车辆重识别算法的特点,提出了基于联邦学习的无监督领域自适应车辆重识别方法.
深度学习、车辆重识别、跨域车辆识别
19
TP391(计算技术、计算机技术)
2023-11-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
7-10