改进FCOS的车辆重识别研究

作     者：侯雨 穆平安 HOU Yu;MU Ping-an

作者机构：上海理工大学光电信息与计算机工程学院上海200093 

基　　金：2021年学位点引导布局与建设培育项目(XWDB2021105) 

出 版 物：《软件导刊》 (Software Guide)

年 卷 期：2022年第21卷第6期

页      码：57-61页

摘      要：为解决现有基于锚框的车辆重识别模型因锚框尺寸固定导致鲁棒性差、各项预设参数十分敏感等问题,提出一种无锚框的基于改进全卷积单阶段目标检测的车辆重识别模型。基于现有FCOS模型,设计一种聚合特征金字塔网络的多层次特征模块,将特征金字塔网络最后一层的输出作为最终的重识别特征,并利用VeRi-776数据集验证了模型的有效性。实验结果表明,基于改进FCOS的车辆重识别模型在平均精度均值、Rank-1和Rank-5上均有优异表现,识别准确率分别为82.6%、96.8%和98.3%。相比现有方法,改进FCOS方法在搜索精度明显优于基于二阶段检测器的方法。

主 题 词：车辆重识别 全卷积单阶段目标检测 特征金字塔网络 卷积神经网络 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.11907/rjdk.211841

馆 藏 号：203112380...