融合全局选择与局部区分的车辆重识别网络

作     者：徐胜军 张梦倩 詹博涵 刘光辉 孟月波 Xu Shengjun;Zhang Mengqian;Zhan Bohan;Liu Guanghui;Meng Yuebo

作者机构：西安建筑科技大学信息与控制工程学院陕西西安710055 西安市建筑制造智能化技术重点实验室陕西西安710055 西安交通大学陕西西安710049 

基　　金：陕西省重点研发计划(2021SF-429) 陕西省自然科学基础研究计划(2023-JC-YB-532) 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2025年第37卷第1期

页      码：220-233页

摘      要：针对跨镜头多视角差异导致车辆重识别面临的不同视角、复杂背景和光照强度等干扰问题,提出了一种融合全局选择与局部区分的车辆重识别网络。基于Resnet50骨干网络,设计了融合全局特征与局部特征的三分支互补网络,利用全局分支学习车辆的整体外观信息,局部分支捕获车辆的差异性细节信息。基于注意力机制提出了上下文特征选择模块(context feature selection module,CFSM),有效分离了车辆信息与复杂背景信息,并提出了一种细节特征增强模块(detail feature enhancement module,DFEM),利用部件之间的相对位置信息强化多粒度特征细节信息的学习。提出了一种权值自适应平衡策略,联合多损失函数进行训练。实验结果表明,所提网络在VeRi-776数据集上的mAP、CMC@1和CMC@5分别达到73.2%、93.4%和97.3%;在VehicleID数据集的大规模测试子集上,CMC@1和CMC@5分别达到75.0%和92.7%。与对比网络相比,所提网络具有较高的识别率和鲁棒性。

主 题 词：车辆重识别 多分支结构 全局上下文特征 局部区分特征 权值自适应策略 

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] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16182/j.issn1004731x.joss.23-1009

馆 藏 号：203157046...