喜报 | 我所一篇论文被智能交通领域顶级期刊IEEE TITS录用

发布时间：2023年08月04日

      由我所师生合作完成的一篇论文Spatially-Regularized Features for Vehicle Re-identification: An Explanation of Where Deep Models Should Focus被智能交通领域顶刊IEEE Transactions on Intelligent Transportation Systems (TITS)录用，论文由我所林友芳老师、吕凯老师带领王硕博士和韩帅同学完成。

      车辆重识别旨在从不同摄像头中识别车辆，在计算机视觉和智能领域引起了广泛关注。近年来，由于神经网络和深度特征表示的发展，车辆重识别取得了显著的进展。然而，由于现有深度模型缺乏对其专注区域的解释，它们被视为"黑盒子"方法。通过使用类激活映射（Class Activation Mapping，CAM），我们可以利用卷积特征图来定位具有判别力的图像区域。在回答了"在哪里"这个问题后，"如何生成合理特征"的问题变得非常重要。在本文中，我们提出了一种新颖的空间正则化特征（Spatially-Regularized Features，SRF），可以以可解释的方式从判别性区域提取特征。具体来说，我们首先提供了一种评估机制，称为峰值与旁瓣比（Peak-to-Sidelobe Ratio，PSR），用于衡量卷积特征图的分布情况。PSR输出矩阵峰值的强度，并可用于指示特定区域的注意力强度。此外，我们提出了一种空间正则化损失，使深度模型专注于更合理和具有判别性的图像区域。需要注意的是，在训练过程中不涉及额外的手工标注数据，使得SRF成为一种高效且有效的方法。通过大量的主观和客观实验，我们证明了该方法在三个大规模车辆重识别数据集上显著优于现有的最先进方法。