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