ハイブリッドピラミダルグラフネットワークを用いた車両再識別における空間的意味の探求

既存の車両再識別手法は、市販のバックボーンネットワークによって抽出された特徴マップを統合するため、一般的に空間プーリング演算を用いる。しかし、これらの手法は特徴マップの空間的意味を十分に探索せず、結果として車両再識別性能の低下を引き起こす。本論文では、まず、特徴マップの空間的意味を詳細に探索するための新しい空間グラフネットワーク（SGN）を提案する。SGNは複数の空間グラフ（SG）をスタックして構成される。各SGでは、特徴マップの要素をノードとして割り当て、空間的近接関係を用いてノード間のエッジを決定する。SGNの伝播過程において、各ノードとその空間的近傍ノードが次のSGに集約される。次のSGでは、集約された各ノードに対して学習可能なパラメータを用いて再重み付けが行われ、対応する位置における重要度を捉える。次に、複数スケールにおける特徴マップの空間的意味を包括的に探索するため、新たなピラミダルグラフネットワーク（PGN）を設計する。PGNは複数のSGNをピラミッド構造で統合し、各SGNが特定のスケールの特徴マップを処理する。最後に、ResNet-50をベースとするバックボーンネットワークの後段にPGNを埋め込むことで、ハイブリッドピラミダルグラフネットワーク（HPGN）を構築する。VeRi776、VehicleID、VeRi-Wildの3つの大規模車両データベースにおける広範な実験により、提案手法HPGNが最先端の車両再識別手法を上回ることを実証した。