基于视角一致性三元组损失的车辆重识别技术

摘要

车辆重识别是一项跨摄像头检索目标车辆的任务,主要通过提取车辆外观特征并计算特征间的距离度量来实现.目前,视角多样性给该任务带来了巨大挑战:极端视角下的正样本对和相似视角下的负样本对容易被混淆,这严重影响了识别效果.为了解决这一问题,基于区域分割提出了车辆重识别的视角一致性三元组损失.用分割区域面积分布的一致性来估计视角一致性,进而根据视角一致性筛选三元组.该方法使网络重点学习容易被混淆的样本对之间的距离度量,从而提升模型在多视角复杂场景下的表现.实验结果显示,该方法各项指标均优于参考方法,并且对视角挑战性大的样本的提升效果尤其明显,这充分体现了该方法的有效性和优越性.