多任务分段紧凑特征的车辆检索方法

作     者：何霞 汤一平 陈朋 王丽冉 袁公萍 He Xia;Tang Yiping;Chen Peng;Wang Liran;Yuan Gongping

作者机构：浙江工业大学信息工程学院杭州310023 浙江银江研究院有限公司杭州310000 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2018年第23卷第12期

页      面：1801-1812页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(61070134 61379078) 

主　　题：深度哈希算法 车辆检索 多任务 跨模态检索 卷积神经网络 

摘      要：目的随着公共安全领域中大规模图像监控及视频数据的增长以及智能交通的发展,车辆检索有着极其重要的应用价值。针对已有车辆检索中自动化和智能化水平低、难以获取精确的检索结果等问题,提出一种多任务分段紧凑特征的车辆检索方法,有效利用车辆基本信息的多样性和关联性实现实时检索。方法首先,利用相关任务之间的联系提高检索精度和细化图像特征,因此构造了一种多任务深度卷积网络分段学习车辆不同属性的哈希码,将图像语义和图像表示相结合,并采用最小化图像编码使学习到的车辆的不同属性特征更具有鲁棒性;然后,选用特征金字塔网络提取车辆图像的实例特征并利用局部敏感哈希再排序方法对提取到的特征进行检索;最后,针对无法获取查询车辆目标图像的特殊情况,采用跨模态辅助检索方法进行检索。结果提出的检索方法在3个公开数据集上均优于目前主流的检索方法,其中在Comp Cars数据集上检索精度达到0. 966,在Vehicle ID数据集上检索精度提升至0. 862。结论本文提出的多任务分段紧凑特征的车辆检索方法既能得到最小化图像编码及图像实例特征,还可在无法获取目标检索图像信息时进行跨模态检索,通过实验对比验证了方法的有效性。