融合全局选择与局部区分的车辆重识别网络

作者：徐胜军; 张梦倩^*; 詹博涵; 刘光辉; 孟月波

来源：系统仿真学报, 2023, 1-14.

DOI：10.16182/j.issn1004731x.joss.23-1009

• 车辆重识别
• 多分支结构
• 全局上下文特征
• 局部区分特征
• 权值自适应策略

针对跨镜头多视角差异导致车辆重识别面临的不同视角、复杂背景和光照强度等干扰问题，提出了一种融合全局选择与局部区分的车辆重识别网络。首先，基于Resnet50骨干网络，设计了融合全局特征与局部特征的三分支互补网络，利用全局分支学习车辆的整体外观信息，局部分支捕获车辆的差异性细节信息。然后，基于注意力机制提出了上下文特征选择模块(CFSM)，有效分离了车辆信息与复杂背景信息，并提出了一种细节特征增强模块(DFEM)，利用部件之间的相对位置信息强化多粒度特征细节信息的学习。最后，提出了一种权值自适应平衡策略，联合多损失函数进行训练。实验结果表明，所提网络在VeRi-776数据集上的mAP、CMC@1和CMC@5分别达到73.2%、93.4%和97.3%；在VehicleID数据集的大规模测试子集上，CMC@1和CMC@5分别达到75.0%和92.7%。与对比网络相比，所提网络具有较高的识别率和鲁棒性。

• 单位
  西安交通大学; 西安建筑科技大学