基于Vision Transformer的车辆重识别模型优化
作者机构：郑州大学电气与信息工程学院
出 版 物：《郑州大学学报(理学版)》 (Journal of Zhengzhou University(Natural Science Edition))
年 卷 期：2024年
学科分类：08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0802[工学-机械工程]
基 金：河南省重大公益专项项目(201300311200) 国家重点研发计划重点专项(2018YFC0824XXX)
摘 要：针对车辆重识别任务中样本类内差异性大和类间相似度高的问题,提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块,整合Transformer中注意力分数矩阵,加强对车辆的具有辨别性区域的关注程度,减小局部区域过度集中的注意力权重;构建一种包含对比损失和中心损失的混合损失函数,对比损失函数的引入增强了模型在捕捉和比较样本之间的差异的能力,中心损失使得同一类别的样本更加紧密地聚集在一起,增强类间样本的区分度。实验结果验证了其有效性。
同方期刊数据库