A Triplet-Learnt Coarse-to-Fine Reranking for Vehicle Re-identification

Efkleidis Katsaros

doi:10.5220/0008974005180525

A Triplet-Learnt Coarse-to-Fine Reranking for Vehicle Re-identification

Abstrakt

Vehicle re-identification refers to the task of matching the same query vehicle across non-overlapping cameras and diverse viewpoints. Research interest on the field emerged with intelligent transportation systems and the necessity for public security maintenance. Compared to person, vehicle re-identification is more intricate, facing the challenges of lower intra-class and higher inter-class similarities. Motivated by deep metric learning advances, we propose a novel, triplet-learnt coarse-to-fine reranking scheme (C2F-TriRe) to address vehicle re-identification. Coarse vehicle features conduct the baseline ranking. Thereafter, a fully connected network maps features to viewpoints. Simultaneously, windshields are detected and respective fine features are extracted to capture custom vehicle characteristics. Conditional to the viewpoint, coarse and fine features are combined to yield a robust reranking. The proposed scheme achieves state-of-the-art performance on the VehicleID dataset and outperforms our baselines by a large margin.

Cytowania

2

CrossRef
0

Web of Science
0

Scopus

Autor (1)

Efkleidis Katsaros

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

pełna treść artykułu zobacz w serwisie zewnętrznym otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:: Inna publikacyjna praca zbiorowa (w tym materiały konferencyjne)
Typ:: Inna publikacyjna praca zbiorowa (w tym materiały konferencyjne)
Tytuł wydania:: Proc. Int. Conf. Pattern Recognition Applications and Methods ICPRAM strony 518 - 525
Rok wydania:: 2020
DOI:: Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.5220/0008974005180525
Weryfikacja:: Brak weryfikacji