يهدف إعادة التعرف على السيارة إلى مطابقة نفس السيارة بدقة عبر مشاهد كاميرات مختلفة، وهو مهمة مهمة في مجال النقل الذكي ومراقبة السلامة العامة. استجابة لمشاكل الاستفادة غير الكافية من الميزات الدقيقة المحلية، ودمج المعلومات الجانبية الثابت، وعدم استقرار دمج الانتباه متعدد الطبقات في الطرق الحالية، نقترح شبكة إعادة التعرف على السيارة تعتمد على المعلومات الجانبية التكيفية والانتباه الطبقي المتبقي. تعتمد الشبكة على بنية Vision Transformer، وتقدم وحدة دمج معلومات جانبية تكيفية تقوم بضبط علامات الرقع وتعزيز السياق ديناميكيًا للتخفيف من الانحراف في توزيع الميزات عبر كاميرات وزوايا مختلفة؛ وتصمم وحدة تجمع انتباه عبر طبقات متبقية مستقرة لتحسين استقرار الدمج متعدد المقاييس والموثوقية العامة؛ وتنشئ وحدة تقسيم طبقي متعدد الرؤوس تكيفية لاستخلاص تمثيلات محلية ذات تفسير فيزيائي معين. تظهر نتائج التجارب أن الطريقة تحقق mAP بنسبة 83.8٪، وRank-1 بنسبة 97.6٪، وRank-5 بنسبة 98.8٪ على مجموعة بيانات VeRi-776؛ بينما تحقق نسب Rank-1 بنسبة 80.6٪ و78.6٪ في مجموعات Test-1600 وTest-2400 على مجموعة بيانات VehicleID على التوالي. تُظهر الطريقة مزايا في الدقة في مشاهد إعادة التعرف على السيارات المعقدة ولها قيمة تطبيقية محتملة في أنظمة النقل الذكية واسعة النطاق.

إعادة التعرف على السيارة;المعلومات الجانبية التكيفية;دمج الانتباه الطبقي;تعلم الميزات المحلية