典型文献
基于非局部注意力和局部特征的车辆重识别算法
文献摘要：
车辆重识别是指从不同的摄像机来重新识别出同一辆车.车辆重识别非常容易受到车辆角度以及光照等其他因素的影响,是一项非常有挑战性的任务.许多车辆重识别方法都过分关注车辆全局特征,而忽略了车辆图像的局部有分辨力的特征,造成了车辆重识别精度不高的问题.针对这一问题,本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法,使用注意力机制获取车辆显著特征,并融合多尺度特征从而提高车辆重识别的检索精度.首先,使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征.然后,将特征分为多个分支进行度量学习,分别学习车辆的局部与全局特征,将全局特征与细粒度的局部特征融合,构建车辆重识别的特征.最后,利用该方法提取不同车辆的特征,计算不同车辆的相似度,从而判断是否具有相同的身份.实验结果表明本文提出的车辆重识别算法具有更高的精度.
文献关键词：
非局部注意力;局部特征;车辆重识别;神经网络
中图分类号：
作者姓名：
万冬厚;张德贤;邓淼磊
作者机构：
河南工业大学信息科学与工程学院,河南 郑州 450001;河南省粮食信息处理国际联合实验室,河南 郑州 450001
文献出处：
引用格式：
[1]万冬厚;张德贤;邓淼磊-.基于非局部注意力和局部特征的车辆重识别算法)[J].计算机与现代化,2022(03):23-29
A类：
B类：
非局部注意力,局部特征,车辆重识别,识别算法,摄像机,重新识别,一辆车,非常容易,全局特征,分辨力,识别精度,多尺度特征,注意力机制,显著特征,高车,特征提取网络,注意力模块,细粒度特征,行度,度量学习,特征融合,同车
AB值：
0.218535
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
