返回全部项目
计算机视觉
车辆重识别 + SCGA
在 ResNet50-IBN 视觉特征基础上，引入语义属性与上下文图推理，提高跨摄像头车辆重识别的鲁棒性。
PyTorchReIDGNNResNet50-IBNAQE
VeRi-776 mAP：78.96% → 87.04%
项目概览
这个项目解决什么问题？
将图像、语义属性以及摄像头等上下文信息建模为图关系，通过 GNN 消息传递对车辆表示进行增强，再与原始视觉特征进行融合，用于更稳健的跨摄像头检索。
系统架构
从输入到最终可用结果
01
车辆图像02
ResNet50-IBN03
语义 / 上下文图04
GNN 消息传递05
残差特征融合06
检索排序项目亮点
我希望招聘方重点看到这些内容
基于 ResNet50-IBN 与度量学习构建视觉 Baseline
使用异构图对语义与上下文节点进行推理
开展跨数据集评估与多组消融实验
探索 AQE 与重排序等后处理方法