来源：期刊VIP网 时间：
作者：张震;张亚斌;田鸿朋;
单位：郑州大学电气与信息工程学院;
摘要：针对车辆重识别任务中样本类内差异性大和类间相似度高的问题，提出了一种Vision Transformer框架下的车辆重识别方法。设计一种关键区域选择模块，整合Transformer中注意力分数矩阵，加强车辆的具有辨别性区域的关注程度，减小局部区域过度集中的注意力权重；构建一种包含对比损失和中心损失的混合损失函数，对比损失函数的引入增强了模型捕捉和比较样本之间的差异的能力，中心损失使得同一类别的样本更加紧密地聚集在一起，增强类间样本的区分度。实验结果验证了其有效性。
关键词：车辆重识别;;自注意力机制;;注意力权重;;区域选择
基金资助：河南省重大公益专项项目(201300311200);; 国家重点研发计划重点专项(2018YFC0824XXX)
