基于改进PVEN模型的车辆再识别算法

作者：赵红爱; 万旺根

来源：工业控制计算机, 2021, 34(08): 87-92.

• 车辆再识别
• 注意力机制
• PVEN
• 特征提取
• 神经网络

随着城市交通快速发展,监控场景下的车辆再识别任务成为计算机视觉领域的热点研究问题。车辆再识别是指在非重叠视角域、跨摄像机网络下识别同一身份车辆。与行人再识别相比,类间相似性和类内差异性使得车辆再识别任务面临更大的挑战。为提高车辆再识别的准确率,提出一种基于改进PVEN(parsing-based view-aware embedding network)模型的车辆再识别算法。算法整体采用了PVEN模型框架:首先,针对原模型中特征提取网络简单、难以提取车辆有效特征,提出融合注意力机制使网络能够关注到更有辨识力的特征信息;其次,优化网络的训练过程,将不同车辆图像特征之间的欧氏距离作为基础相似性度量,建立联合目标函数,并分别分析通道注意力和空间注意力两个模块对网络性能的影响。在Ve Ri776数据集上进行相关实验,所提算法在评价指标MAP、Rank-1的表现为80.0%和96.2%,较原模型分别提高约0.5%和0.6%,证明了所提算法的有效性。

• 单位
  上海大学