BestImage團(tuán)隊(duì)的論文框架

近日，由IEEE國(guó)際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議（CVPR）Workshop主辦的“智能交通視頻分析界的ImageNet競(jìng)賽”——英偉達(dá)智慧城市挑戰(zhàn)賽（AI CITY CHALLENGE 2020）落下帷幕。我校計(jì)算機(jī)學(xué)院周勇教授、姚睿副教授和趙佳琦副教授指導(dǎo)，由碩士生高存遠(yuǎn)等組成的競(jìng)賽團(tuán)隊(duì)BestImage獲得賽道二：城市級(jí)規(guī)模的多攝像頭下的車輛重識(shí)別競(jìng)賽（City-Scale Multi-Camera Vehicle Re-Identification）第五名，相應(yīng)論文“Vehicle Re-Identification Based on Complementary Features”也被CVPR Workshop 2020接收。

CVPR是IEEE舉辦的計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的頂級(jí)會(huì)議，2020年AI City挑戰(zhàn)賽從1月7日開始，4月9日結(jié)束，由英偉達(dá)聯(lián)合紐約州立大學(xué)奧爾巴尼分校、愛荷華州立大學(xué)、圣何塞州立大學(xué)、華盛頓大學(xué)發(fā)起，吸引了全球多所高校和機(jī)構(gòu)的參與。競(jìng)賽的數(shù)據(jù)從美國(guó)多個(gè)城市和州挑選交叉路口和高速公路的數(shù)據(jù)獲得。競(jìng)賽共有四個(gè)賽道：車輛計(jì)數(shù)、車輛重識(shí)別、車輛跟蹤、交通異常檢測(cè)。

據(jù)悉，我校競(jìng)賽團(tuán)隊(duì)主要針對(duì)第二個(gè)賽道，對(duì)如何在多個(gè)攝像頭下檢索出同一臺(tái)車輛，提出了集合多個(gè)不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)的互補(bǔ)特征，同時(shí)每個(gè)網(wǎng)絡(luò)模型都使用多個(gè)損失函數(shù)優(yōu)化、濾波嫁接、半監(jiān)督學(xué)習(xí)技術(shù)等。在檢索的后處理階段又使用了多種方法，如去背景冗余的中心裁剪、重排序等等。在實(shí)驗(yàn)階段，嘗試了三種模型集成策略進(jìn)行模型集成。