摘要：视频监控场景下车辆年款信息抽取对城市数智化治理有着重要意义。为实现细粒度车辆年款的精准识别,首先,构建了覆盖多元采集条件及常见车辆年款的百万级场景数据集;其次,提出了基于Transformer的车辆年款细粒度特征高效提取器;最后,结合任务特点设计了层次标签多任务联合学习方法,获得兼容全局与局部的高鲁棒性特征。实验结果表明,提出的方法在场景数据集上的Top-1准确率达到95.79%,相较基于CNN的单任务方法有大幅提升。

摘要：在视频监控场景中,由于车辆外观的多样性、车辆间的相似性以及应用场景的复杂性,导致算法难以区分不同的车辆目标;同时,实际应用对车辆重识别算法的实时性也提出了要求。为兼顾精度和速度,进行了以下工作:首先,构建了一个场景复杂、含有近百万张车辆图片的数据集;其次,对车辆重识别算法的数据预处理、网络结构、后处理三个方面进行详细实验;最后,对模型进行蒸馏与量化,在保证模型精度的情况下提高模型速度。最终在自研测试集上的重识别精度达到了93.35%Rank1和76.30%mAP,推理速度达到了400.6 FPS,满足了实际应用需求。