Multi-Scale Deep Feature Fusion for Vehicle Re-Identification翻译（IEEE2020）

多尺度深度特征融合的车辆重识别

摘要
由于类间距离小，车辆重识别具有挑战性。相似车辆之间的差异可能非常细微，只能在特定的尺度和语义级别上被捕获。在本文中，我们提出了一种新颖的多尺度深度特征融合网络(MSDeep)，可同时执行多尺度和多层次特征以实现精确的车辆重识别。基于骨干深度卷积神经网络，MSDeep主要包含两个模块：1)多尺度融合(MSF)模块，将多尺度流的组合封装为MSF特征；2)多层次融合(MLF)模块，融合多层的MSF特征以构建最终的描述符。重要的是，在MSF中，引入了多尺度注意(MSA)以动态强调每个尺度的重要通道，而在MLF中使用Level-Wise Attention(LWA)来确定不同级别的每个MSF特征的不同权重。结果，实验表明，在丰富且层次化的超描述符方面，我们的MSDeep在具有挑战性的VeRi和VehicleID基准测试方面优于最新算法。
1.介绍
车辆重识别是从大型数据库中匹配相同车辆的任务，在智能监控和城市安全中起着至关重要的作用。车辆重识别的关键挑战是区分外观几乎相同的不同车辆。现有的大多数作品都在顶层捕获了单尺度特征，这些特征被证明是抽象的并且具有更高的语义水平[1、2]。然而，对于几乎重复的情况，这些全局特征具有较粗糙的分辨率，并丢弃了必要的空间细节[3，4]，而局部区域或低级别的特征则更具区分性。例如，为了区分图1(a)，(b)中的车辆，局部标尺的高级特征(图1(a)中的小尺寸检验贴纸，图1(b)中的中等尺寸装饰))至关重要。此外，图1©中的车辆之间的细微差别在于颜色强度，可以在CNN的早期而不是顶层检测到颜色。因此，理想的车辆重识别模型应该融合多层的多尺度特征，并自动确定网络应关注的尺度和层。
已经开发出许多方法来提取多尺度[5、6、7]或多层级[1、3、8、9]的区别特征。通过添加额外的局部分支[5，6]或用多尺度卷积流[7]代替单尺度块，基于多尺度的方法共同考虑了局部和全局特征，但面临参数高开销。一些工作通过附加的监督信息来学习不同级别的语义概念[8，9]，而注释多级别的属性(例如，品牌，型号，颜色)既费时又昂贵。其他工作则通过融合每个卷积层的因子[1]或在深度监督下[3]获得多尺度特征。然而，除了[4]，没有一种方法考虑多尺度和多层次特征的组合。HP-Net [4]使用多方向注意图过滤每个层级的特征图，然后将这些特征简单地与串联融合在一起。与HP-Net不同，我们提出MSA和LWA对多个尺度和层级的特征进行动态重新加权，从而可以分别为不同的车辆提供区分特征。
在本文中，我们提出了一种用于车辆重识别的新型CNN体系结构MSDeep，该体系结构学习了不同层级的多尺度表示。MSDeep由骨干网络&#x