典型文献
基于多粒度特征分割的车辆重识别算法
文献摘要：
针对车辆重识别任务中局部特征提取不充分和潜在显著性局部特征易被掩盖的问题,提出一种基于多粒度特征分割的算法.该算法采用可实现跨通道间信息交互的ResNeSt-50作为骨干网络提取初级特征,并将骨干网络复制成三个独立的分支,对输出的特征图分别沿纵向、横向和通道方向进行多粒度分割以提取到区分性局部特征.为进一步增强网络提取判别性特征信息的能力,又在ResNeSt-50的每个split-attention block中嵌入了空间注意力模块.研究结果表明:算法在VeRi-776数据集上的mAP、Rank-1、Rank-5指标分别达到85.92％、97.67％、98.53％;在VehicleID数据集的三个测试集上,Rank-1指标分别达到了 88.36％、84.19％、78.89％,优于现有大部分主流算法,研究结果表明该算法具有先进性和有效性.
文献关键词：
交通工程;车辆重识别;ResNeSt-50;多粒度特征分割;空间注意力
中图分类号：
作者姓名：
蓝章礼;王超;杨晴晴;金豪
作者机构：
重庆交通大学信息科学与工程学院,重庆400074
文献出处：
引用格式：
[1]蓝章礼;王超;杨晴晴;金豪-.基于多粒度特征分割的车辆重识别算法)[J].重庆交通大学学报（自然科学版）,2022(09):7-15
A类：
多粒度特征分割,VehicleID
B类：
车辆重识别,识别算法,中局,局部特征提取,掩盖,跨通道,信息交互,ResNeSt,骨干网络,特征图,取到,区分性,判别性特征,特征信息,split,attention,block,空间注意力,注意力模块,VeRi,mAP,Rank,测试集,流算法,交通工程
AB值：
0.27294
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
