车辆重识别｜用于朝向已知车辆重识别的语义引导部件注意力网络（ECCV 2020） 【论文标题】Orientation-aware Vehicle Re-identification with Semantics-guided Part Attention Network 【车辆重识别】用于朝向已知车辆重识别的语义引导部件注意力网络（ECCV 2020） 【论文链接】https://arxiv.org/abs/2008.11423 【代码链接】https://github.com/tsaishien-chen/SPAN 【作者团队】Tsai-Shien Chen, Chih-Ting Liu, Chih-Wei Wu, and Shao-Yi Chien 【机构】国立台湾大学电子工程学研究所, 国立台湾大学NTU IoX中心 【发表时间】2020/8/26 【推荐理由】 本文来自国立台湾大学，提出了一种用于朝向已知车辆重识别的语义引导部件注意力网络，收录于ECCV 2020会议。 车辆重新识别（re-ID）着眼于跨不同摄像机匹配同一车辆的图像。从根本上讲具有挑战性，因为车辆之间的差异有时很细微。尽管多项研究结合了空间注意机制来帮助车辆重新识别，但是它们通常需要大量的关键点标签或注意力掩膜标注。在这项工作中，我们提出了一个专用的语义指导的部件注意力网络（SPAN），以在训练过程中仅给出图像级语义标签的情况下，针对车辆的不同视图稳健地预测部件注意力掩膜。借助部件注意力掩膜，文章可以分别提取每个部件中的区别性特征。然后，作者介绍了不同视图共有部分注意力掩膜距离度量方法（CPDM），该度量方法在评估两个图像的特征距离时更加重视不同朝向的共有车辆部分。大量实验验证了所提方法的有效性，并表明该框架优于最新方法。

内容中包含的图片若涉及版权问题，请及时与我们联系删除