基于跨域双分支对抗网络车辆重识别策略

作     者：陈凯镔 王从明 陶沙沙 李香红 CHEN Kai-bin;WANG Cong-ming;TAO Sha-sha;LI Xiang-hong

作者机构：成都工业职业技术学院四川成都610218 河南理工大学能源科学与工程学院河南焦作454003 

基　　金：2018年度河南省重点研发与推广专项(182102310719) 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2024年第398卷第4期

页      码：43-50页

摘      要：为了减轻域偏差,提升算法的应用泛化能力,提出了一种基于跨域双分支对抗网络车辆重识别策略。首先充分挖掘源域的标记数据以适应目标域来缩小跨域偏差,并提出了一个名为双分支对抗网络的图像到图像的转换网络,从而有效保留来自源域的图像的属性。另外提出了一种结构注意力机制的特征学习模型,从而在抑制背景的同时提取显著特征。最后通过两个车辆重识别数据集试验结果证明提出的方法能够实现较高精度的车辆重识别效果,并且具有较好的泛化能力。

主 题 词：车辆 重识别 跨域学习 对抗网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 080201[080201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1001-3997.2024.04.009

馆 藏 号：203127503...