10.3969/j.issn.1006-2475.2022.03.005
基于非局部注意力和局部特征的车辆重识别算法
车辆重识别是指从不同的摄像机来重新识别出同一辆车.车辆重识别非常容易受到车辆角度以及光照等其他因素的影响,是一项非常有挑战性的任务.许多车辆重识别方法都过分关注车辆全局特征,而忽略了车辆图像的局部有分辨力的特征,造成了车辆重识别精度不高的问题.针对这一问题,本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法,使用注意力机制获取车辆显著特征,并融合多尺度特征从而提高车辆重识别的检索精度.首先,使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征.然后,将特征分为多个分支进行度量学习,分别学习车辆的局部与全局特征,将全局特征与细粒度的局部特征融合,构建车辆重识别的特征.最后,利用该方法提取不同车辆的特征,计算不同车辆的相似度,从而判断是否具有相同的身份.实验结果表明本文提出的车辆重识别算法具有更高的精度.
非局部注意力、局部特征、车辆重识别、神经网络
TP391(计算技术、计算机技术)
2022-04-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
23-29