车辆检索最大的难点在于同一型号的车型长得比较像,但作者认为会有一点小的区别,比如下图中的车辆装饰品,破损等细节:
深度相对距离学习
对于图像检索,使用深度学习提取特征,作者使用了深度相对距离学习模型,使用了新的损失函数,并且增加了衡量统一型号车辆区别的分支。
使用的损失函数coupled cluster loss也很好理解,原理是认为同一辆车的特征在d维空间内应该落在一个圆内,正样本离得近负样本离得稍远,如下图所示:
混合差别网络结构
这里的混合是将属性信息混合到网络中,属性用的是车辆的品牌型号,车辆检索需要回答probe和gallery中的图像是否是同一品牌型号,是否是同一辆车(使用车牌作为唯一身份认证)。
基础网络结构是VGG_CNN_M_1024,如下图将其扩展成两个分支,最后一层全连接层fc8是车辆型号信息特征与从couple cluster loss中学习到的特征的串联特征,网络结构如下图所示:
实验结果
在作者搭建的车辆检索数据库VehicleID上进行对比试验,结果如下图所示,使用累积匹配曲线(CMC)作为评价标准: