CVPR 2023 第一届基础模型挑战赛 - Track2 的解决方案
本文提出了一种解决跨模态交通检索问题的方法,将问题分为行人检索和车辆检索两个子任务,并分别采用 IRRA 和 BLIP 作为基础模型,同时引入属性分类和基于属性的目标检测技术来增强图像和文本之间的对齐,取得了 70.9 的排名。
本文提出了一种针对第五届AI城市挑战赛数据集Track 2的车辆识别方法,通过缩小真实与合成数据之间的域间差距、网络修改和自适应损失权重调整等技术,实现了较高的mAP。该方法在私人CityFlow测试集上达到61.34%的mAP,并在Veri基准测试中超越了先前的工作,达到87.1%的mAP。