论文笔记016：[CVPRW2020]Multi-Domain Learning and Identity Mining for Vehicle Re-Identification

摘要

本文介绍了我们为 “2020年人工智能城市挑战赛”（AICITY20）的Track2解决方案。城市挑战2020（AICITY20）的解决方案。介绍比赛
Track2是一个车辆识别（ReID）任务，包括真实世界的数据和合成数据。介绍数据集
我们的解决方案是基于一个强大的基线与BoT-BS提出的行人重识别。方法总括
首先，我们提出了一个多领域的学习方法，以联合真实世界和合成数据来训练模型。创新1：训练阶段联合
然后，我们提出了身份挖掘方法，为部分测试数据自动生成伪标签，这比k-means聚类法要好。创新2：生成伪标签
我们提出了轨迹级的加权特征重新排序策略，也被用来对结果进行后处理。创新3：通过轨迹重排
最后，通过我们的方法在多模型集合中取得了0.7322的mAP得分，在比赛中获得第三名。
这些代码可在https://github.com/heshuting555/AICITY2020_DMT_VehicleReID