论文部分内容阅读
为了提高车辆再识别的准确率,设计并实现一种基于改进DRDL模型的车辆再识别算法:算法整体采用DRDL模型框架结构,首先改进车辆的特征提取部分,采用ResNet残差网络,将提取到的1000维特征分别进行车辆型号分类和车辆ID识别的训练;其次,根据人脸检测算法研究,提出将ARC loss应用于车辆度量学习中。实际实验表明:在VehicleID数据集上基于改进DRDL模型的车辆再识别算法准确度能够提升14.3%,可以达到63.2%,车辆型号识别准确度能够提升14.4%,达到97.7%,优于原DRDL模型算法。