雷鋒網(wǎng)AI開發(fā)者訊，近日，澎思科技車輛再識別（Vehicle ReID）技術在非受限場景車輛再識別數(shù)據(jù)集VERI-Wild上的成績刷新紀錄，并打破了VCIP 2019車輛再識別大型挑戰(zhàn)賽的最好成績。澎思科技基于自主研發(fā)的全局和局部深度特征融合算法模型，實現(xiàn)了車輛再識別算法關鍵指標平均精度均值（Mean Average Precision，mAP）和首位命中率（Rank-1 Accuracy）的大幅度提升，在VERI-Wild數(shù)據(jù)集上平均精度均值mAP達到85.35%。

車輛再識別在智慧城市和公共安全方面有著廣泛的應用前景和至關重要的作用，一直是計算機視覺領域研究的焦點。

車輛再識別面臨的挑戰(zhàn)以及VERI-Wild數(shù)據(jù)集的推出

車輛再識別，也稱為車輛檢索，旨在找到不同監(jiān)控場景下的同一輛車。近期隨著深度學習技術的發(fā)展，車輛再識別算法效率顯著提升。然而現(xiàn)有數(shù)據(jù)集的限制過度簡化了車輛再識別面臨的現(xiàn)實挑戰(zhàn)，使得基于大部分現(xiàn)有數(shù)據(jù)集開發(fā)和評估的ReID模型在真實場景中的泛化能力可能存在問題。真實監(jiān)控情景中的車輛再識別仍然面臨高度視角差異、極端照明條件、復雜背景和不同的攝像頭來源等挑戰(zhàn)。非受限場景車輛再識別數(shù)據(jù)集VERI-Wild的推出就致力于解決這些問題。

 圖為VERI-Wild與Vehicle ID、VeRI-776數(shù)據(jù)集的樣本比較

VERI-Wild是在2019年CVPR期間對外發(fā)布的車輛再識別數(shù)據(jù)集。該數(shù)據(jù)集由40,000個車輛標識中的400,000張圖像以及諸如車輛品牌、顏色和車型等附加信息組成，這些信息可用于增強ReID框架的性能或作為獨立的采集任務。VERI-Wild數(shù)據(jù)集旨在應對現(xiàn)有數(shù)據(jù)集在車輛標識和圖像數(shù)量不夠大、攝像頭數(shù)量和覆蓋區(qū)域有限、攝像頭視角高度受限及光照度和天氣狀況沒有明顯變化等局限性問題，是目前最具挑戰(zhàn)的車輛再識別數(shù)據(jù)集。

面向車輛再識別的全局和局部深度特征融合方法 

在2019年IEEE視覺通信和圖像處理國際會議(VCIP)期間舉辦的Grand Challenges on Vehicle ReIdentification車輛再識別大型挑戰(zhàn)賽上，澎思科技提出面向車輛再識別的全局和局部深度特征融合方法。澎思科技首席科學家、新加坡研究院院長申省梅受邀參會，并做了《Global and Local Deep Feature Representation Fusion for Vehicle Re-Identification》的報告。

 圖為澎思科技首席科學家、新加坡研究院院長申省梅受邀出席VCIP 2019

由于很多具有不同標識的車輛有著極其相似的外觀，因此澎思算法團隊通過各種不同的方法，利用車輛的具體部件，選取基于部件的特征來執(zhí)行模型預測。如此一來，模型便能更好地了解部件的獨有特征。

 圖為澎思科技提出的全局和局部深度特征融合方法

最近，澎思新加坡研究院車輛再識別算法團隊考慮到ReID任務中采用特征向量（不采用分類層）來計算距離矩陣，進而比較兩個圖像之間的相似性，分類缺失本身并不足以實現(xiàn)良好的模型訓練。于是，團隊又將深度度量學習（DML）應用于最新模型中，使得類內三聯(lián)體之間的距離小于（至少有某一差距）類間三聯(lián)體之間的距離，從而提升模型的性能表現(xiàn)。

經(jīng)過測試，澎思科技提出的車輛再識別算法模型在VERI-Wild不同大小的三個測試集中，性能遠遠優(yōu)于基線模型，平均精度均值mAP和首位命中率Rank-1實現(xiàn)大幅度提升，刷新世界紀錄。

 

  [1] VERI-Wild: A Large Dataset and a New Method for Vehicle Re-Identification in the Wild

車輛再識別數(shù)據(jù)集VERI-WILD評估結果

同樣，該模型的表現(xiàn)也優(yōu)于VCIP 2019 Grand Challenges on Vehicle ReIdentification車輛再識別大型挑戰(zhàn)賽上排名第一的中科院自動化所團隊。

 

VCIP 2019車輛再識別大型挑戰(zhàn)賽測試集結果對比

ReID算法持續(xù)優(yōu)化，深化面向場景的AI技術研發(fā)與創(chuàng)新

行人再識別和車輛再識別同屬于目標再識別的兩個重要任務，主要用于解決目標的跨鏡頭跟蹤，通過場景匹配實現(xiàn)行人/車輛的跨鏡追蹤以及軌跡預測等。ReID是跨攝像頭跟蹤中解決目標因為視野丟失后再匹配最直接的方法，是單攝像頭中多目標和單目標跟蹤的一種非常有效的特征。澎思科技在目標再識別上積累了豐富的算法，取得了多項世界級成果，并逐步實現(xiàn)ReID技術在智慧城市建設場景中的落地應用。

雷鋒網(wǎng)AI開發(fā)者獲知，今年澎思科技在行人再識別（Person ReID）和基于視頻的行人再識別（Video-based Person ReID）先后取得突破。7月，澎思科技在行人再識別三大主流數(shù)據(jù)集測試Market1501、DukeMTMC-reID、CUHK03上算法關鍵指標首位命中率（Rank-1 Accuracy）獲得業(yè)內最好成績。8月，澎思科技在基于視頻的行人再識別三大數(shù)據(jù)集PRID-2011，iLIDS-VID，MARS上同樣刷新紀錄，實現(xiàn)算法關鍵指標大幅度提升。

雷鋒網(wǎng)AI開發(fā)者

雷峰網(wǎng)特約稿件，未經(jīng)授權禁止轉載。詳情見轉載須知。