PAMTRI使用多任务学习和嵌入的姿态表示来解决车辆重新识别的问题。模型框架由两个卷积神经网络(CNN)组成,如下图所示。上部:姿势估计网络(PoseEstNet)是高分辨率网络(HRNet)的延伸,用于预测关键点坐标(有置信度/可见度)和生成热图/分段。底部。多任务网络(MultiTaskNet)使用来自HRNet的嵌入式姿态信息,用于车辆的联合重新识别和属性分类。
论文 Tang Z , Naphade M , Birchfield S , et al. PAMTRI: Pose-Aware Multi-Task Learning for Vehicle Re-Identification Using Highly Randomized Synthetic Data[J]. IEEE, 2020.
具体代码实现如下:
-
PoseEstNet:用于车辆姿势估计的HRNet的修改版。
-
MultiTaskNet:使用嵌入式姿态表征的车辆联合重新识别和属性分类的多任务网络。