Dynamische Screening-Strategie basierend auf Merkmalsgraphen für die Re-Identifikation von UAV-Objekten und Gruppen

In der heutigen Zeit gibt es aufgrund des schnellen Fortschritts von unbemannten Luftfahrzeugen (UAVs) ein enormes Potenzial für den Einsatz von UAVs zur Gewährleistung der öffentlichen Sicherheit. Die meisten Forschungen zur Bildaufnahme durch UAVs konzentrieren sich hauptsächlich auf Aufgaben der Objekterkennung und -verfolgung, aber nur wenige Studien haben sich mit der Re-Identifikation von UAV-Objekten beschäftigt. Darüber hinaus kommen in realen Szenarien Objekte häufig in Gruppen zusammen. Daher stellt die Re-Identifikation von UAV-Objekten und -Gruppen eine erhebliche Herausforderung dar. In diesem Papier wird eine neuartige dynamische Screening-Strategie auf Basis eines Merkmalsgraphenrahmens für die Re-Identifikation von UAV-Objekten und -Gruppen vorgeschlagen. Konkret zielt das graphenbasierte Modul für die Merkmalsübereinstimmung darauf ab, die Übertragung von gruppenbezogenen Kontextinformationen durch die Verwendung benachbarter Merkmalsknoten zu verbessern. Darüber hinaus versucht eine gestaltete dynamische Screening-Strategie, die Merkmalsknoten, die nicht als zur gleichen Gruppe gehörig identifiziert wurden, zu beschneiden, um den Einfluss von Rauschen (anderen Gruppenmitgliedern, die nicht zu dieser Gruppe gehören) zu verringern. Umfangreiche Experimente wurden mit den Datensätzen Road Group, DukeMTMC Group und CUHK-SYSU-Group durchgeführt, um unser Framework zu validieren, das eine überlegene Leistung im Vergleich zu den meisten Methoden zeigt. Der Rank-1-Wert bei den Datensätzen CUHK-SYSU-Group, Road Group und DukeMTMC Group erreicht 71,8 %, 86,4 % bzw. 57,8 %. Währenddessen wird die Leistung unserer Methode in den UAV-Datensätzen PRAI-1581 und Aerial Image sowie in den Infrarot-Datensätzen SYSU-MM01 und CM-Group und dem NIR-Datensatz des RBG-NIR-Szenendatensatzes untersucht; die unerwarteten Ergebnisse zeigen die Robustheit und breite Anwendbarkeit unserer Methode.