一种多任务联合判别学习的车辆重识别方法
基本信息
| 申请号 | CN202010432575.6 | 申请日 | - |
| 公开（公告）号 | CN111652293B | 公开（公告）日 | 2022-04-26 |
| 申请公布号 | CN111652293B | 申请公布日 | 2022-04-26 |
| 分类号 | G06V10/774（2022.01）I;G06V10/80（2022.01）I;G06V10/764（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 李垚辰;吴潇;宋晨明;刘跃虎 | 申请（专利权）人 | 西安交通大学苏州研究院 |
| 代理机构 | 西安通大专利代理有限责任公司 | 代理人 | 姚咏华 |
| 地址 | 215123江苏省苏州市工业园区独墅湖高等教育区仁爱路99号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种多任务联合判别学习的车辆重识别方法。方法通过多分支的网络联合学习多个任务，来获取车辆的细粒度判别性特征。网络通过属性学习和ID学习两个分支获取网络输出特征向量，同时再用一个度量学习和ID学习任务来约束该特征向量，通过这四个任务联合学习来获取更加鲁棒的特征。其中ID学习使用了不同于其他方法的ArcFL损失函数，度量学习使用了不同于其他方法的Trihard损失函数。通过创新性网络结构的提出和损失函数的改进，使车辆重识别和检索的精度得到显著提升。本发明基于道路监控场景的大型车辆数据集实现，可以有效地应用于车辆查找任务。 |
