BriefGPT - AI 论文速递
·
Alice 基准测试：将真实世界物体再识别与合成相连接
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种针对 AI 城市挑战赛数据集 Track 2 的车辆识别方法，通过多种技术手段提高了识别准确率，在测试中表现优异。
🎯
关键要点
- 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。
- 方法包括缩小真实与合成数据之间的域间差距。
- 通过堆叠多个具有注意力机制的网络头进行网络修改。
- 自适应损失权重调整以提高识别准确率。
- 在私人 CityFlow 测试集上实现 61.34％的 mAP。
- 在 Veri 基准测试中以 87.1％的 mAP 超越了所有先前的工作。
- 该方法不使用外部数据集或伪标签。
➡️
