【技术实现步骤摘要】
基于反事实注意力机制的掩膜感知车辆重识别方法及系统
[0001]本公开涉及车辆重识别相关
，具体的说，是涉及一种基于反事实注意力机制的掩膜感知车辆重识别方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]车辆重识别技术是指以人工智能技术为基础，以尽可能小的时间成本和人工成本准确检索指定目标车辆。车辆重识别属于同类目标间的细粒度识别任务，随着经济的发展，车辆重识别技术已经成为当今时代的热点问题。但是车辆重识别技术的发展一直面临着以下两个难点：一是同一辆车辆，在不同视图下所展示出来的差异特别大；二是不同车辆，但它们却拥有着相同的车型和颜色，导致它们之间的差异细微、难以区分；这些问题也成为了车辆重识别技术的关键难点。专利技术人发现，常规的车辆重识别主要利用车辆的全局特征来作为匹配依据，缺乏对车辆上的细节特征的识别。这就导致相同车型相同颜色的车辆难以区分，大大限制了车辆重识别的准确度。
[0004]针对以上问题，Ye Song等人在《Pro...
【技术保护点】
【技术特征摘要】
1.基于反事实注意力机制的掩膜感知车辆重识别方法，其特征在于，包括如下步骤：获取待识别的车辆图像并进行预处理；对预处理后的车辆图像进行空间特征提取；采用反事实注意力因果推理方法对提取的空间特征进行反事实注意力学习，得到带有反事实注意力的全局特征；对预处理后的车辆图像进行掩膜感知特征提取，得到掩膜感知的局部特征；将全局特征和局部特征进行串联融合得到车辆总特征，基于总特征得到目标车辆重识别结果。2.如权利要求1所述的基于反事实注意力机制的掩膜感知车辆重识别方法，其特征在于：反事实注意力因果推理，包括如下步骤：将提取出来的图像空间特征进行原始注意力学习，并在图像特征的基础上进行多通道卷积操作，得到多通道注意力图用以学习物体各部分的空间分布；根据多通道注意力图对特征图进行软加权，并通过全局平均池操作进行聚合，得到原始注意力特征向量；将提取出来的图像特征图进行反事实注意力干预，生成反事实注意力特征图；根据反事实注意力特征图对图像特征图进行软加权，并通过全局平均池操作进行聚合得到反事实注意力特征向量；将原始注意力特征向量与反事实注意力特征向量一同输入到线性层进行分类处理，分别得到原始分类结果和反事实分类结果；在原始分类结果的基础上减去反事实分类结果，得到带有反事实注意力的全局特征。3.如权利要求1所述的基于反事实注意力机制的掩膜感知车辆重识别方法，其特征在于：掩膜感知特征提取，包括如下步骤：获取预处理后的不同拍摄角度的车辆图像；将车辆图像输入到第二骨干网络中，提取车辆图像的特征图；对目标车辆进行掩膜生成，将生成的掩膜进行下采样，使得掩膜图像与特征图尺寸一致；利用下采样后的掩模图对目标车辆对应的特征图进行区域提取，根据掩膜区域的面积大小，对区域提取后的特征进行相应加权生成最终的局部特征。4.如权利要求1所述的基于反事实注意力机制的掩膜感知车辆重识别方法，其特征在于：还包括构建车辆重识别网络，包括反事实注意力学习网络、掩膜感知网络，以及融合网络；反事实注意力学习网络用于采用反事实注意力因果推理方法对提取的空间特征进行反事实注意力学习，得到带有反事实注意力的全局特征；掩膜感知网络用于对预处理后的车辆图像进行掩膜感知特征提取，得到掩膜感知的局部特征；融合网络用于将全局特征和局部特征进行串联融合得到车辆总特征，基于总特征得到目标车辆重识别结果。
5.如权利要求4所述的基于反事实注意力机制的掩膜感知车辆重识别方法，其特征在于，还包括对车辆重识别网络训练的方法，包括如下步骤：获取车辆图像数据集；针对车辆图像不同视角进行掩膜标注，进行数据预处理后得到掩膜感知网络的训练数据；将掩膜感知网络的训练数据输入至掩膜感知网络，提取特征图，采用平衡交叉熵损失进行识别训练，得到训练后的掩膜感知网络；进行反事实注意力学习网络训练；基于训练好的反事实注意力学习网络提取车辆全局特征，基于训练好的掩膜感知网络进行车辆局部特征提取，将全局特征以及局部特征进行融合得到车辆图片的总特征...
【专利技术属性】
技术研发人员：刘春生，薛宝奇，常发亮，路彦沙，刘辉，王德鑫，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。