计算机工程

作者：代广昭, 孙伟, 徐凡, 张小瑞, 陈旋, 常鹏帅, 汤毅, 胡亚华

单位：1. 南京信息工程大学 自动化学院, 南京 210044;2. 南京信息工程大学 江苏省大气环境与装备技术协同创新中心, 南京 210044;3. 南京信息工程大学 数字取证教育部工程研究中心, 南京 210044;4. 南京信息工程大学 无锡研究院, 江苏 无锡 214100;5. 南京信息工程大学 计算机与软件学院, 南京 210044

关键词：车辆重识别,注意力机制,共同视角,局部感知,数据增强

基金：国家自然科学基金（61304205）；江苏省自然科学基金（BK20191401，BK20201136）；江苏省研究生科研与实践创新计划项目（SJCX21_0363）；大学生创新创业训练项目（XJDC202110300601，202010300290，202010300211，202010300116E）。

车辆重识别的目的是从大型车辆数据库中找到与查询车辆相同特征的所有车辆图片。目前，由于同一车辆在不同视角下外观差异大或颜色、车型相同的不同车辆在特定视角下外观差异小，导致车辆重识别的准确度和鲁棒性均有待提高。提出一个视角感知局部注意力网络，采用弱监督注意力学习方式代替人工手动的车辆局部部件标注，自适应学习每个视角内所有显著性局部特征。通过局部注意力裁剪操作裁剪并放大该视角领域内部件细节信息，并基于局部注意力擦除操作擦除一些局部区域，以鼓励模型发掘该视角领域内其他更多的显著性局部线索。构建一种共同视角的注意力增强模块，以强化共同视角特征学习，并根据视角的相似度给每个视角分配相应的权重，使同一视角特征学习得到增强，不同视角特征学习受到抑制。实验结果表明，所提网络在VeRi-776数据集下的mAP为81.2%，在VehicleID数据集下的CMC@1、CMC@5分别为85.7%、98.0%，相较于PRN、PVEN、SAVER等重识别网络具有更高的识别精度和更强的泛化能力。

来源：2022年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第10期