期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
用于车辆重识别的基于细节感知的判别特征学习模型
被引量:
9
1
作者
邱铭凯
李熙莹
《中山大学学报(自然科学版)(中英文)》
CAS
CSCD
北大核心
2021年第4期111-120,共10页
在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知...
在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知的判别特征学习模型;设计了一个指导式的车辆局部特征提取流程,将局部特征与骨干网络提取的全局特征联合作为车辆的提取特征,不同车辆联合特征之间的欧式距离作为相似度衡量。在算法实验中,所提出的算法在公开数据集VehicleID与VeRi上都取得领先于现有车辆重识别算法的结果,验证了算法的有效性。
展开更多
关键词
车辆重识别
神经网络
局部特征提取
判别特征学习
下载PDF
职称材料
基于部件融合特征的车辆重识别算法
被引量:
13
2
作者
李熙莹
周智豪
邱铭凯
《计算机工程》
CAS
CSCD
北大核心
2019年第6期12-20,共9页
针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量...
针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。
展开更多
关键词
车辆重识别
部件检测
特征提取
特征融合
距离度量
下载PDF
职称材料
题名
用于车辆重识别的基于细节感知的判别特征学习模型
被引量:
9
1
作者
邱铭凯
李熙莹
机构
中山大学智能工程学院/广东省智能交通系统重点实验室/视频图像智能分析与应用技术公安部重点实验室
出处
《中山大学学报(自然科学版)(中英文)》
CAS
CSCD
北大核心
2021年第4期111-120,共10页
基金
国家重点研发计划(2018YFB1601100,2018YFB1601101)
国家自然科学基金(U1611461)。
文摘
在多摄像头下拍摄的车辆图片集合中,对属于目标车辆的图片进行匹配为车辆重识别。如何有效的区分具有相似外观的不同车辆的图片,是车辆重识别的一大挑战。考虑到不同车辆之间的差异集中于车窗等区域的细节,文章提出了一个基于细节感知的判别特征学习模型;设计了一个指导式的车辆局部特征提取流程,将局部特征与骨干网络提取的全局特征联合作为车辆的提取特征,不同车辆联合特征之间的欧式距离作为相似度衡量。在算法实验中,所提出的算法在公开数据集VehicleID与VeRi上都取得领先于现有车辆重识别算法的结果,验证了算法的有效性。
关键词
车辆重识别
神经网络
局部特征提取
判别特征学习
Keywords
vehicle re-identification
neural network
local feature extraction
discriminative feature learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于部件融合特征的车辆重识别算法
被引量:
13
2
作者
李熙莹
周智豪
邱铭凯
机构
中山大学智能工程学院
广东省智能交通系统重点实验室
视频图像智能分析与应用技术公安部重点实验室
视频图像信息智能分析与共享应用技术国家工程实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第6期12-20,共9页
基金
国家自然科学基金“视频大数据高效表达、深度分析与综合利用”(U1611461)
文摘
针对车辆型号相同但车辆个体不同的重识别问题,提出一种新的车辆重识别算法。运用部件检测算法获取不同车辆之间差异较大的车窗和车脸区域,对检测到的车窗和车脸区域进行特征提取并进行融合,生成新的融合特征,计算图像特征之间距离度量进行分类识别。在中山大学公开数据集VRID-1上进行测试,结果表明,该算法的Rank1匹配率达到66.67%,明显优于经典的传统特征表征算法,从而验证该算法是可行且有效的。
关键词
车辆重识别
部件检测
特征提取
特征融合
距离度量
Keywords
vehicle re-identification
component detection
feature extraction
feature fusion
distance measurement
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
用于车辆重识别的基于细节感知的判别特征学习模型
邱铭凯
李熙莹
《中山大学学报(自然科学版)(中英文)》
CAS
CSCD
北大核心
2021
9
下载PDF
职称材料
2
基于部件融合特征的车辆重识别算法
李熙莹
周智豪
邱铭凯
《计算机工程》
CAS
CSCD
北大核心
2019
13
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部