摘要
在视频监控场景中,由于车辆外观的多样性、车辆间的相似性以及应用场景的复杂性,导致算法难以区分不同的车辆目标;同时,实际应用对车辆重识别算法的实时性也提出了要求。为兼顾精度和速度,进行了以下工作:首先,构建了一个场景复杂、含有近百万张车辆图片的数据集;其次,对车辆重识别算法的数据预处理、网络结构、后处理三个方面进行详细实验;最后,对模型进行蒸馏与量化,在保证模型精度的情况下提高模型速度。最终在自研测试集上的重识别精度达到了93.35%Rank1和76.30%mAP,推理速度达到了400.6 FPS,满足了实际应用需求。