基于特征聚类对群三元组损失的车辆再识别

作     者：吴燕雄 蔡建羡 滕云田 WU Yan-xiong;CAI Jian-xian;TENG Yun-tian

作者机构：防灾科技学院电子科学与控制工程学院河北三河065201 中国地震局地球物理研究所北京100081 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2020年第48卷第12期

页      面：2444-2452页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：防灾科技学院教学研究与教育改革项目(No.JY2016B10) 河北省高等学校科学技术研究重点项目(No.ZD2018304) 中央高校基本科研业务费(No.ZY20180111) 国家重点研发计划项目(No.2018YFC1503801) 

主　　题：车辆再识别 视觉特征 特征聚类对群损失 三元组损失 

摘      要：车辆再识别旨在从多个摄像机拍摄的图像中识别出同一车辆.本文提出了一种对群三元组损失函数,以特征中心点替代均值,并将对群思想和三元组损失相结合,优化了困难样本的识别.车辆再识别过程中,对群损失函数的训练过程扩大了样本规模,增加了计算量,且传统对群损失函数无法准确处理困难正样本.为此,提出了一种特征聚类对群三元组损失函数.本方法采用正样本特征聚类中心并改进了三元组损失函数的设计,从而优化了对群损失函数.在不扩增输入样本数量的同时提升了算法处理困难样本的能力.实验表明,与主流车辆再识别算法相比,本方法可有效提升车辆再识别的准确率.