标题：基于特征嵌入的昼夜跨域车辆重识别
作者：王州1，2 王旭智1，2；孙诗妍3；万旺根1，2；孙学涛2；张振4
作者单位：1 上海大学通信与信息工程学院，上海 200444；2 上海大学智慧城市研究院，上海 200444；3 江西师范大学数字产业学院，江西 南昌 330022；4 上海健康医学附属嘉定区中心医院，上海 201899
关键字：车辆重识别；特征嵌入；昼夜跨域；最大类间方差法
摘要：为解决现有车辆重识别技术对昼夜交替和低光照环境鲁棒性差的问题，提出一种抑制夜间车前灯眩光且适应昼夜跨域的车辆重识别算法。受最大类间方差法（Otsu）确定二值化阈值的启发，提出一种使用迭代Otsu法的夜间光斑遮蔽模块，并改进基线网络DNDM在网络深层引入一种多元特征嵌入模块，提高网络对昼夜跨域特征差异的鲁棒性。在两个数据集DN-Wild和DN-348上进行对比实验，结果表明所提算法在昼夜跨域车辆重识别任务的Rank-1、Rank-5和mAP指标均优于基线网络。