典型文献
基于组件特征与多注意力融合的车辆重识别方法
文献摘要：
为提升车辆重识别算法的性能,提出一种基于车辆组件特征与多注意力融合的特征学习方法.首先,修改深度残差网络以获取具有丰富语义信息的特征图,同时应用语义分割网络将车辆图像划分为车辆正面、背面、顶面、侧面及背景区域,以实现组件特征提取并消除视角变化的影响.然后,设计多注意力融合模块,基于面积注意力与特征注意力实现组件特征的自适应融合.最后,在多任务学习框架下,优化车辆重识别的三元组损失与辅助分类任务的交叉熵与焦点损失,对网络参数进行训练.在多个数据集上的实验结果表明,提出的方法在大多数性能指标上均超越了现有方法.进一步的消融实验证明了多注意力融合模块与多任务损失函数在特征提取上的有效性.
文献关键词：
车辆重识别;组件特征抽取;特征对齐;组件注意力模块;注意力融合
中图分类号：
作者姓名：
胡煜;陈小波;梁军;陈玲;梁书荣
作者机构：
江苏大学汽车工程研究院 江苏镇江 212013;山东工商学院计算机科学与技术学院 山东烟台 264005
文献出处：
引用格式：
[1]胡煜;陈小波;梁军;陈玲;梁书荣-.基于组件特征与多注意力融合的车辆重识别方法)[J].计算机研究与发展,2022(11):2497-2506
A类：
组件特征抽取,组件注意力模块
B类：
多注意力,注意力融合,车辆重识别,识别算法,特征学习,深度残差网络,富语义,语义信息,特征图,语义分割网络,图像划分,背面,顶面,背景区域,特征注意力,自适应融合,多任务学习,三元组损失,分类任务,交叉熵,焦点损失,网络参数,消融实验,多任务损失函数,特征对齐
AB值：
0.299537
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。
