基于冗余特征正则化的车辆重识别算法

摘要

基于深度学习的车辆重识别算法使用空间关系不明确的滤波器提取特征,这些互不独立的滤波器会导致特征提取互相依赖且冗余,阻碍模型寻找数据的潜在规律.为此,提出一种显式的基于冗余特征正则化的车辆重识别算法Res-GC(ResNet grouping convolution).利用残差分组卷积网络阻止特征相互适应,以获取带有正则特性的车辆特征.引入BNNeck(batch normalization neck)方法解决交叉熵损失函数和三元组损失函数适用的车辆特征空间不一致的问题,提升正则特征使用效率.在车辆重识别的公共数据集VeRi-776和VehicleID上,Res-GC算法的实验结果均优于现有模型,验证了算法的有效性.