【车辆检索】SBNet: Segmentation-based Network for Natural Language-based Vehicle Search 

【论文链接】https://arxiv.org/pdf/2104.11589v1.pdf

【作者团队】Sangrok Lee, Taekang Woo, Sang Hun Lee

【机构】MODULABS，NAVER, 韩国国民大学

【代码链接】https://github.com/lsrock1/nlp_search

【发表时间】2021/04/26

【推荐理由】

本文提出了一种基于分割的SBnet，用于基于自然语言的车辆检索任务，文章已经发表在CVPR2021 AI City Challenge workshop。

基于自然语言的车辆检索是基于自然语言描述作为查询来在给定图像内找到目标车辆的任务。该技术可以应用于各个领域，包括警察搜索可疑车辆。然而，由于语言描述的歧义和处理多模式数据的困难，这是一个挑战。为了解决这个问题，作者提出了一个名为SBNet的深度神经网络，该网络可以对车辆进行基于自然语言的分割。作者还提出了两个特定于任务的模块以提高性能：一个替代模块，该模块可以帮助将来自不同域的要素嵌入到同一空间中；以及一个未来预测模块，该模块可以学习时间信息。 SBnet已使用CityFlow-NL数据集进行了训练，该数据集包含2498条车辆的行驶轨迹，每个车辆具有三种独特的自然语言描述，并测试了530条独特的车辆行驶轨迹及其相应的查询集。

 

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