基于弱监督注意力和知识共享的车辆重识别

为解决弱监督车辆重识别方法中标签不准确和背景干扰下预定义局部区域难以获得的问题,提出一种基于弱监督注意力和知识共享的车辆重识别网络。在弱监督注意力模块(WAM)中使用弱监督的方法生成车辆部件掩模,通过部件通道对齐步骤使得该模块在复杂背景下也能自适应地进行特征对齐。针对弱监督方法中标签准确性不高导致WAM模块生成部件掩模不稳定的问题,在局部分支中构建了知识共享模块。该模块利用迁移学习从WAM模块中提取车辆部件特征,并进行多尺度部件特征提取,防止了不稳定的车辆部件掩模生成。通过实验,mAP、CMC@1和CMC@5分别达到了82.12%、98.50%和99.12%,优于现有的方法,验明该方法的有效性。