【技术实现步骤摘要】
本专利技术属于车辆重识别，具体涉及一种基于联合损失的多头注意力车辆重识别方法。
技术介绍
1、车辆是交通的重要组成部分，也是当今智能交通的重要管控对象，车辆重识别作为研究智能交通的重要部分，无论在学术界还是工业界都有很高的研究价值。在学术方面，车辆重识别是计算机视觉领域研究的热点，研究车辆重识别在一定程度上促进了图像识别、图像处理等方向的发展；在工业方面，车辆重识别在交通中有着非常广泛的应用，如车辆时空定位、交通流分析、车辆异常检测等，使其成为了交通监控系统中的一项重要技术。
2、车辆重识别旨在从不同摄像头拍摄的车辆集合中识别出与查询车辆具有同一身份的车辆。尽管车牌可以用作车辆的唯一标识，但由于摄像头分辨率低、遮挡以及非最佳视点等因素，通常很难正确捕获车牌。因此，在车牌号不可观测的情况下，基于视觉外观的图像特征提取是车辆重识别的主要方法。然而，在车辆外观方面，由于相同车型和颜色的不同车辆外观相似性较大，以及不同视角、光照和遮挡等条件下同一车辆的外观差异性较大，为车辆重识别带来了挑战。目前，大多数网络都关注于车辆图像整体的表示...
【技术保护点】
1.一种基于联合损失的多头注意力车辆重识别方法，其特征在于，包括，
2.根据权利要求1所述的方法，其特征在于，所述多头注意力模块中，首先由基线特征向量经过一个头即一个全连接层，得到全局特征
3.根据权利要求1所述的方法，其特征在于，用于整体模型训练的损失函数中，加入了多样性损失其实现公式如下：
4.根据权利要求1所述的方法，其特征在于，用于整体模型训练的损失函数中的度量损失部分加入了局部监督对比损失其公式如下：
5.根据权利要求4所述的方法，其特征在于，所述度量损失部分中还加入了全局监督对比损失其实现公式如下：
<...【技术特征摘要】
1.一种基于联合损失的多头注意力车辆重识别方法，其特征在于，包括，
2.根据权利要求1所述的方法，其特征在于，所述多头注意力模块中，首先由基线特征向量经过一个头即一个全连接层，得到全局特征
3.根据权利要求1所述的方法，其特征在于，用于整体模型训练的损失函数中，加入了多样性损失其实现公式如下：
4.根据权利要求1所述的方法，其特征在于，用于整体模型训练的损失函数中的度量损失部分加入了局部监督对比损失其公式如下：
5.根据权利要求4所述的方法，其特征在于，所述度量损失部分中还加入了全局监督对比损失其实现公式如下：
6.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：黎勇，吴金泽，刘美琦，吴建光，王森正，刘锐，
申请(专利权)人：重庆大学，
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。