基于多粒度特征分割的车辆重识别算法

针对车辆重识别任务中局部特征提取不充分和潜在显著性局部特征易被掩盖的问题，提出一种基于多粒度特征分割的算法。该算法采用可实现跨通道间信息交互的ResNeSt-50作为骨干网络提取初级特征，并将骨干网络复制成三个独立的分支，对输出的特征图分别沿纵向、横向和通道方向进行多粒度分割以提取到区分性局部特征。为进一步增强网络提取判别性特征信息的能力，又在ResNeSt-50的每个split-attention block中嵌入了空间注意力模块。研究结果表明：算法在VeRi-776数据集上的mAP、Rank-1、Rank-5指标分别达到85.92%、97.67%、98.53%;在VehicleID数据集的三个测试集上，Rank-1指标分别达到了88.36%、84.19%、78.89%,优于现有大部分主流算法，研究结果表明该算法具有先进性和有效性。