Resumen

La reidentificación de vehículos tiene aplicaciones importantes en sistemas de monitoreo inteligente. Sin embargo, debido a muchos factores, como la detección inexacta de imágenes de vehículos y cambios en el ángulo de visión, las características distintivas no pueden obtenerse de manera efectiva al reidentificar el vehículo. Para mejorar la capacidad de reconocimiento y la robustez de la reidentificación de vehículos, este estudio propone una nueva red de alineación de partes de atención múltiple (MAPANet). La red utiliza diferentes canales en el mapa de características para percibir diferentes características del agrupamiento de imágenes de los canales y logra una atención detallada al vehículo. Puede localizar automáticamente las subregiones distintivas en la imagen del vehículo y evitar la necesidad de un gran número de pasos de pretratamiento manual adicionales. Además, se propone un método de reordenamiento no supervisado basado en múltiples métricas. El algoritmo de codificación k-recíproco puede optimizar el rendimiento de la lista ordenada en el problema de reordenamiento, recalcular las distancias entre clases

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Aplicaciones; Reidentificación de vehículos; Red de alineación de partes de atención múltiple; Agrupamiento de imágenes; Método de reordenamiento no supervisado; Precisión media promedio
• Keywords:Applications; Vehicle reidentification; Multiattention part alignment network; Image clustering; Unsupervised reranking method; Mean average precision