基于Transformer并行融合多尺度CNN的车辆重识别方法

本发明公开了一种基于Transformer并行融合多尺度CNN的车辆重识别方法，基于多尺度局部注意力模块和双阶段特征融合模块实现，其中多尺度局部注意力模块与Resnet501‑3Layer共同组成CNN分支，专注于提取车辆不同尺度下的局部特征，提升了模型对关键细节的感知能力；所述双阶段特征融合模块，将Transformer分支提取的长期依赖关系特征与CNN分支提取的多尺度局部特征进行一次融合，并利用反向残差前馈网络进一步提取一次融合特征，之后与Transformer提取的整体语义特征再次融合，有效地整合了来自不同层次更具区分力的特征信息提升了模型兼顾全局和局部特征的能力，进而提升了车辆重识别的准确性。