日前，工學(xué)院2018級(jí)碩士研究生沈飛，以第一作者身份在物聯(lián)網(wǎng)領(lǐng)域頂級(jí)國(guó)際學(xué)術(shù)會(huì)議IEEE INTERNET OF THINGS JOURNAL（影響因子11.7）上發(fā)表題為“An Efficient Multi-Resolution Network for Vehicle Re-identification”的學(xué)術(shù)論文。該項(xiàng)工作的指導(dǎo)老師為我院的曾煥強(qiáng)教授和朱建清教授。

該文章提出了一種有效的車(chē)輛再識(shí)別多分辨率網(wǎng)絡(luò)(EMRN)。首先，EMRN在傳統(tǒng)骨干網(wǎng)(ResNet-50)后嵌入新設(shè)計(jì)的多分辨率特征維統(tǒng)一模塊(MR-FDUM)。因此，整個(gè)模型可以從不同分辨率的圖像中提取固定維數(shù)的特征，從而可以用一個(gè)固定維數(shù)參數(shù)的損失函數(shù)進(jìn)行訓(xùn)練，而不必訓(xùn)練多個(gè)模型。其次，設(shè)計(jì)了一種多分辨率圖像隨機(jī)喂食策略來(lái)訓(xùn)練EMRN，使訓(xùn)練過(guò)程中的每一個(gè)小批數(shù)據(jù)都具有隨機(jī)分辨率。因此，EMRN可以通過(guò)單一的深度網(wǎng)絡(luò)隱式學(xué)習(xí)協(xié)作多分辨率特征。在veril776、VehicleID和VRIC三個(gè)大數(shù)據(jù)集上的實(shí)驗(yàn)表明，EMRN優(yōu)于目前最先進(jìn)的車(chē)輛再識(shí)別方法。

該研究得到國(guó)家自然科學(xué)基金和華僑大學(xué)研究生創(chuàng)新基金的資助，該論文第一作者沈飛目前于南京理工大學(xué)攻讀博士學(xué)位。