尋找小偷車的監控攝像頭面臨著艱巨的任務。汽車看起來非常相似，你知道小偷可能很聰明，可以更換車牌或弄亂車牌ID以逃避識別。

北京大學的研究人員正在尋找另一種追蹤車輛的方法。認為面部識別，但這次是汽車。他們的設計方法是為了在車內劃傷甚至可以提供幫助。

他們的論文在技??術細節上描述了他們的工作，并且它在arXiv上。

“用于精確車輛搜索的學習壓制網絡”由徐千彤，柯燕和田永紅主持。

在他們的論文中，作者呼吁關注到牌照板識別帶來了專為監控攝像機的一個問題。

他們在一些監控攝像機中寫道，“這些攝像機的分辨率不夠高，無法清楚地顯示車牌上的數字。其次，當他們試圖對一些令人困惑的字符(如'8')進行分類時，板識別系統的性能會大幅下降。 'B'，'O'和'0'，'D'和'O'等。最重要的是，車牌通常很容易被遮擋，移除甚至偽造，這使得車牌與每輛車的相關性降低。

他們表示，“精確的車輛檢索算法不僅應該能夠捕捉每個車輛的顏色和模型等粗粒度屬性，還應該學習更多具有辨別力的特征來表示它的獨特細節。”

他們提出的方法是他們稱之為“壓制網絡”的模式。它們對Repression Network意味著什么?

Jasper Hamill in the Sun：“ 壓制 網絡 ”一詞指的是北京大學開發的技術。每日郵報的 Phoebe Weston 表示，這是一個“多任務學習框架”，旨在尋找汽車的獨特功能。壓制層管理所有生成的數據，“允許它只關注廣泛和突出的細節。”

這是作者解釋它的方式。“構建這樣一個模型的基本思想是我們希望深度網絡從兩個不同的級別生成兩個獨立的子特征 - 粗略的屬性和細節，這樣每個子特征都可以為該級別嵌入更多的判別信息，并且可以更好地用于執行精確的檢索任務。“

研究人員表示，實驗結果顯示“我們的RepNet實現了最先進的性能。”

它可以用來追蹤人類嗎?

接下來，作者提到，對RepNet的進一步研究可能涉及引入哈希函數來生成二進制特征“或將卷積組分成兩組。此外，我們還可以將我們的框架擴展到更廣泛的應用程序，如面部和人員檢索。”