Joint Pyramid Feature Representation Network for Vehicle Re-identification

Die Fahrzeug-Re-Identifikation (Re-ID) spielt eine wichtige Rolle im intelligenten Transportsystem für Smart City. Aufgrund verschiedener unsicherer Faktoren in realen Szenarien (z.B. Auflösungsvariationen, Blickwinkel-Variationen, Beleuchtungsänderungen, Okklusion usw.) ist die Fahrzeug-Re-ID eine sehr anspruchsvolle Aufgabe. Um den negativen Auswirkungen der Auflösungsvariation zu widerstehen, wird in diesem Aufsatz ein gemeinsames Pyramidenmerkmal-Repräsentationsnetzwerk (JPFRN) für Fahrzeug-Re-ID vorgeschlagen. Ausgehend von der Überlegung, dass verschiedene Faltungsblöcke mit unterschiedlichen Tiefen unterschiedliche Auflösungen und seinformationen des Fahrzeugbildes enthalten, verwendet die vorgeschlagene JPFRN-Methode ein Basisnetzwerk, um in der ersten Stufe multiauflösende Fahrzeugmerkmale zu erhalten. Anschließend wird ein Pyramidenmerkmalschema entwickelt, um die erhaltenen multiauflösenden Fahrzeugmerkmale zu rekonstruieren und zu integrieren. Schließlich werden diese Pyramidenmerkmale gemeinsam dargestellt, um unter der Aufsicht gemeinsamer Triplet-Verluste und Softmax-Verluste ein differenzierteres Merkmal zu erlernen. Umfangreiche experimentelle Ergebnisse zu den zwei häufig überlegenen Fahrzeug-ID-Datenbanken (Re-FRIDs), die vor kurzem entwickelt wurden, zeigen, dass mehrere Fahrzeuge überlegener sind als JPIDs.