|本期目录/Table of Contents|

[1]潘海鹏,王云涛,马淼.基于注意力机制与多尺度融合学习的车辆重识别方法[J].浙江理工大学学报,2021,45-46(自科五):657-665.
　PAN Haipeng,WANG Yuntao,MA Miao.Vehicle reidentification methods based on attention mechanism and multiscale fusion learning[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科五):657-665.
点击复制

基于注意力机制与多尺度融合学习的车辆重识别方法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第45-46卷
期数:
2021年自科第五期
页码:
657-665
栏目:
出版日期:
2021-09-10

文章信息/Info

Title:
Vehicle reidentification methods based on attention mechanism and multiscale fusion learning
文章编号:
1673-3851 (2021) 09-0657-09
作者:
潘海鹏;  王云涛;  马淼
浙江理工大学机械与自动控制学院，杭州 310018
Author(s):
PAN Haipeng;  WANG Yuntao;  MA Miao
Faculty of Mechanical Engineering & Automation, Zhejiang Sci-Tech  University, Hangzhou 310018, China
关键词:
车辆重识别; 注意力机制; 多尺度融合; 全局特征; 局部特征; 深度学习网络
分类号:
TP391
文献标志码:
A
摘要:
在车辆重识别任务中，通常会出现相机角度变化和场景变化等情况，导致重识别准确率降低，为此提出了一种基于注意力与多尺度融合学习的车辆重识别方法，在多尺度下提取并融合浅层细节信息和深层语义信息。首先，构造一种深度学习网络，通过注意力机制学习车辆图像的显著性特征；然后，在多个尺度下对描述车辆身份的信息进行提取，将浅层表达的细节信息和深层表达的语义信息相融合构造空间特征；其次，对空间特征进行分解与重组，得到具有空间鲁棒性的局部特征，并与全局特征融合，构造车辆身份重识别特征；最后，利用该特征计算不同车辆图像间相似度，判断是否具有相同的身份。实验结果表明：在VeRi776数据集上测试得到的Rank1指标达到了94-0%，mAP指标达到了72-2%，表明该方法在相机角度变化、场景变化等情况下可以有效提高车辆重识别的准确率。

参考文献/References:

［1］ 张强, 李嘉锋, 卓力. 车辆识别技术综述［J］. 北京工业大学学报, 2018, 44(3):382-392.
［2］ Wang H B, Hou J Y, Chen N. A survey of vehicle reidentification based on deep learning［J］. IEEE Access, 2019, 7: 172443-172469.
［3］ 邱铭凯, 李熙莹. 用于车辆重识别的基于细节感知的判别特征学习模型［J/OL］. 中山大学学报(自然科学版):1-10. (2021-03-16)［20210406］.https://doi.org/1013471/j.cnki.acta.snus.2020-03-16-2020B023.
［4］ Xie Y, Zhu J Q, Zeng H Q, et al. Learning matching behavior differences for compressing vehicle reidentification models［C］// IEEE International Conference on Visual Communications and Image Processing, Macau, China: IEEE, 2020: 523-526.
［5］ 刘凯, 李浥东, 林伟鹏. 车辆再识别技术综述［J］. 智能科学与技术学报, 2020, 2(1):10-25.
［6］ Cormier M, Sommer L W, Teutsch M. Low resolution vehicle reidentification based on appearance features for wide area motion imagery［C］// IEEE Winter Applications of Computer Vision Workshops. Lake Placid, NY, USA: IEEE, 2016: 1-7.
［7］ Charbonnier S, Pitton A C, Vassilev A. Vehicle reidentification with a single magnetic sensor［C］// IEEE International Instrumentation and Measurement Technology Conference Proceedings. Graz, Austria: IEEE, 2012: 380-385.
［8］ He B, Li J, Zhao Y F, et al. Partregularized nearduplicate vehicle reidentification［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach, CA, USA: IEEE, 2019: 3992-4000.
［9］ Liu H Y, Tian Y H, Wang Y W, et al. Deep relative distance learning: tell the difference between similar vehicles［C］// IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas, NV, USA: IEEE, 2016: 2167-2175.
［10］ Liu X C, Liu W, Mei T, et al. A deep learningbased approach to progressive vehicle reidentification for urban surveillance［C］// European Conference on Computer Vision (ECCV 2016). Berlin, Germany: Springer, 2016: 869-884.

相似文献/References:

[1]邓远远,沈炜.基于注意力反馈机制的深度图像标注模型[J].浙江理工大学学报,2019,41-42(自科二):208.
　DENG Yuanyuan,SHEN Wei.Depth image caption model based on  attention feedback mechanism[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科五):208.
[2]邓远远,沈炜.基于注意力反馈机制的深度图像标注模型[J].浙江理工大学学报,2019,41-42(自科二):208.
　DENG Yuanyuan,SHEN Wei.Depth image caption model based on attention feedback mechanism[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科五):208.
[3]陈巧红,王磊,孙麒,等.基于混合神经网络的中文短文本分类模型[J].浙江理工大学学报,2019,41-42(自科四):509.
　CHEN Qiaohong,WANG Lei,SUN Qi,et al.Chinese short text classification model based on hybrid neural network[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科五):509.
[4]王翔,任佳.基于多注意力机制的深度神经网络故障诊断算法[J].浙江理工大学学报,2020,43-44(自科二):224.
　WANG Xiang,REN Jia.Deep neural network fault diagnosis algorithm based on multiattention mechanism[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科五):224.
[5]陈巧红,于泽源,孙麒,等.基于注意力机制与LSTM的语音情绪识别[J].浙江理工大学学报,2020,43-44(自科六):815.
　CHEN Qiaohong,YU Zeyuan,SUN Qi,et al.Speech emotion recognition based on attention mechanism and LSTM[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科五):815.
[6]王卓英,童基均,蒋路茸,等.基于U Dense net网络的DSA图像冠状动脉血管分割[J].浙江理工大学学报,2021,45-46(自科三):390.
　WANG Zhuoying,TONG Jijun,JIANG Lurong,et al.Coronary artery segmentation of DSA images based on UDensenet network[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科五):390.
[7]陈巧红,李妃玉,贾宇波,等.基于自注意力和门控机制的答案选择模型[J].浙江理工大学学报,2021,45-46(自科三):400.
　CHEN Qiaohong,LI Feiyu,JIA Yubo,et al.Answer selection model based on selfattention and gating mechanism[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科五):400.
[8]陈巧红,孙佳锦,孙麒,等.基于多层跨模态注意力融合的图文情感分析[J].浙江理工大学学报,2022,47-48(自科一):85.
　CHEN Qiaohong,SUN Jiajin,SUN Qi,et al.Imagetext sentiment analysis based on multilayer crossmodal attention fusion[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科五):85.
[9]潘海鹏,郝慧,苏雯.基于注意力机制与多尺度特征融合的人脸表情识别[J].浙江理工大学学报,2022,47-48(自科三):382.
　PAN Haipeng,HAO Hui,SU Wen.Facial expression recognition based on attention mechanism and multiscale feature fusion[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科五):382.
[10]潘海鹏,刘培敏,马淼.基于语义信息与动态特征点剔除的SLAM算法[J].浙江理工大学学报,2022,47-48(自科五):764.
　PAN Haipeng,LIU Peimin,MA Miao.SLAM algorithm based on semantic information and  the elimination of dynamic feature points[J].Journal of Zhejiang Sci-Tech University,2022,47-48(自科五):764.

备注/Memo

备注/Memo:
收稿日期：2021-03-16
网络出版日期：2021-04-27
基金项目：浙江省自然科学基金项目(LQ19F030014)；浙江理工大学青年创新专项(2019Q035)
作者简介：潘海鹏（1965-），男，河南濮阳人，教授，主要从事智能检测、智能控制以及图像信息处理方面的研究
通信作者：马淼，E-mail: mamiao@zstu.edu.cn
更新日期/Last Update: 2021-09-16