车辆重识别（Vehicle Re-ID）：DSAM-GN:Graph Network based on Dynamic Similarity Adjacency Matrices for Vehic

论文作者：Yuejun Jiao,Song Qiu,Mingsong Chen,Dingding Han,Qingli Li,Yue Lu

作者单位：East China Normal University; Fudan University; Shanghai Artificial Intelligence Laboratory

论文链接：http://arxiv.org/abs/2310.16694v1

内容简介：

1）方向：车辆重识别（Vehicle Re-ID）

2）应用：辅助驾驶系统、交通流管理和车辆跟踪等智能交通系统应用

3）背景：随着智能交通系统的发展，车辆再识别在辅助驾驶系统、交通流管理和车辆跟踪等各种应用中变得越来越重要。然而，背景信息和遮挡的存在可能会干扰对辨别特征的学习，导致不同场景下同一辆车图像的显著变化。

4）方法：本文提出一种名为基于动态相似邻接矩阵的图网络（DSAM-GN）的方法，该方法采用了一种新的方法来构建邻接矩阵，以捕捉局部特征的空间关系并减少背景噪声。具体而言，该方法将提取的车辆特征划分为图网络中的不同节点。采用基于空间注意力的相似邻接矩阵生成（SASAMG）模块来计算节点的相似性矩阵，并应用动态擦除操作来断开相似性较低的节点，从而得到相似性邻接矩阵。最后，将节点和相似性邻接矩阵输入到图网络中，以提取更具辨别性的车辆特征用于车辆再识别。

5）结果：在公开数据集VeRi-776和VehicleID上的实验结果表明，与最近的研究相比，所提出的方法具有更好的效果。