摘要

车辆重识别过程中,为了解决因车辆特征图分块时所导致的空间信息丢失问题,提出一种联合条纹特征之间关系的模块以弥补丢失的空间信息。首先,对于车辆特殊的物理结构,构建了一种双分支神经网络模型,对输出的特征图进行水平和垂直均等分割并在不同的神经网络分支上训练;然后,设计多激活值模块以减少噪声并丰富特征图信息;接着,使用三元组和交叉熵损失函数对不同的特征监督训练以约束类内距离并扩大类间距离;最后,设计批量归一化模块消除不同损失函数在优化方向上存在的差异,从而加速模型的收敛。使用本方法在VeRi-776和VehicleID两个公共数据集上进行实验验证,结果表明其检索精度比现有方法 VehicleNet提高了0.7%,证明本文方法的有效性。