《表3 VehicleID数据集上流行方法的性能对比（按图像尺寸分类）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《车辆再识别技术综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

目前领域内最常用于性能测试的两个数据集是VeRi776和VehicleID。虽然有更多的大型数据集被相继提出，但是由于提出时间比较靠后，一些较早的方法在较晚发布的数据集（如Vehicle-1M）上没有充足的实验数据，故本文不在这些数据集上进行性能比较。此外，一些国内的研究方法[69-71]没有在典型数据集上的实验结果，而一些国外的研究方法过于复杂，不适用于大型车辆图像数据集，且实现难度较高，同样无法对这些方法作性能比较。表2和表3分别列出了本文提到的一些车辆再识别方法在这两个典型数据集上的性能比较结果。一些方法（如S-CNN+PathLSTM）要用到时间-地理信息，故只能在VeRi776数据集上进行实验。还有一些方法（如OIFE、PGAN）只在VehicleID的大尺寸（Large）子集进行了测试，Large子集被认为是VehicleID数据集里最难识别的部分，因此足够证明这些方法的有效性。