总目录 大模型相关研究：https://blog.csdn.net/WhiffeYF/article/details/142132328
https://dl.acm.org/doi/abs/10.1145/3726302.3729892
https://www.doubao.com/chat/35659689586454018
SIGIR 2025 论文目录：https://sigir2025.dei.unipd.it/accepted-papers.html
论文原文：https://download.csdn.net/download/WhiffeYF/92559847
Advancing Ship Re-Identification in the Wild: The ShipReID-2400 Benchmark Dataset and D2InterNet Baseline Method
速览
1. 一段话总结
本文针对船舶重识别（Ship ReID）领域数据集稀缺、船舶尺度变化大、易出现部分拍摄等问题，提出了包含2400个船舶ID、17241张图像（采集自53个月真实航道监控系统）的ShipReID-2400基准数据集，并设计了D2InterNet基线方法——该方法采用双分支架构，通过Part-aware Feature Perception Module（PFPM）、Feature Interaction Module（FIM）和Collaborative Interaction Learning Module（CILM）提取具有判别力的局部特征并融合全局特征，在ShipReID-2400、VesselReID数据集上实现当前最优性能，且在MSMT17行人ReID数据集上展现出良好的泛化能力，相关数据集和代码已开源。
2. 思维导图
## 研究背景与挑战 - 船舶重识别（Ship ReID）的重要性：智能航道运输、海事监控等 - 现有问题 - 数据集：稀缺、多样性不足、非真实场景来源 - 技术挑战：船舶尺度变化大、易部分拍摄、视觉特征不稳定 ## 核心贡献 - 数据集：ShipReID-2400 - 数据规模：2400个ID、17241张图像、53个月采集 - 数据特点：真实监控来源、8个摄像头、高多样性 - 标注与划分：手动校验标注、75:12.5:12.5划分训练/验证/测试集 - 方法：D2InterNet - 架构：双分支（全局+局部） - 核心模块：PFPM、FIM、CILM - 优势：单分支推理无额外开销、泛化能力强 ## 实验结果 - 数据集对比：ShipReID-2400 vs 现有7个数据集（ID数、来源等） - 性能表现：ShipReID-2400上mAP达41.3、R1达45.8（当前最优） - 泛化能力：VesselReID（mAP 60.6）、MSMT17（mAP 73.0）表现优异 - 消融实验：验证PFPM、CILM、FIM等模块有效性 ## 研究意义 - 开源数据集与代码，推动Ship ReID研究 - 应用场景：智能航道、船舶违规排查、生态保护3. 详细总结
一、研究背景与问题
- 研究意义：船舶重识别（Ship ReID）旨在跨时间、跨摄像头视角识别同一船舶，是智能航道运输、海事监控、非法活动追踪的关键技术。
- 现有不足：
- 数据集稀缺：仅Boat ReID（107个ID、800张图）和VesselReID（1248个ID、30589张图）公开，且前者来源单一、后者为网络图像（质量不一致、含噪声）；
- 技术挑战：船舶体积大易部分拍摄（数据集94.99%图像为不完整船舶）、舱载/水面条件导致类内尺度变化显著（图像长宽比标准差1.734，高于其他ReID数据集），现有ReID方法难以适配。
二、核心贡献：数据集ShipReID-2400
| 维度 | 具体信息 |
|---|---|
| 数据来源 | 真实航道智能监控系统，8个700万像素摄像头，覆盖≥6000平方公里水域 |
| 数据规模 | 2400个独特船舶ID，17241张图像，采集周期53个月 |
| 数据标注 | 先用GroundingDINO预标注，再人工校验修正；基于船牌+视觉特征标注ID，隐私保护（模糊船牌） |
| 数据集划分 | 训练集（1800ID、12988张图）、验证集（300ID）、测试集（300ID），比例75:12.5:12.5；验证/测试集分别含691/706张查询图 |
| 数据特点 | 时间跨度广（最长拍摄间隔超1200天）、尺度变化大、完整性低，多样性与代表性强 |
三、核心贡献：D2InterNet基线方法
- 整体架构：双分支（全局+局部）设计，支持双分支训练、单分支推理（无额外计算开销）。
- 关键模块：
- 全局特征提取：采用CLIP视觉分支，将图像分割为N个token，通过Transformer学习全局特征，适配船舶外观变化；
- Part-aware Feature Perception Module（PFPM）：局部分支无全局类token，设4个part token，每组对应16×4图像token区域，专注提取船首、船尾等局部判别特征；
- Feature Interaction Module（FIM）：结合全局分支类token与局部分支图像token，生成重要性掩码，筛选关键局部特征；
- Collaborative Interaction Learning Module（CILM）：构建正负特征袋，通过三元组损失让全局特征与近邻局部正特征靠拢、与局部负特征远离，融合跨尺度特征。
- 损失函数：L = λ 1 L c e g + λ 2 L t r i g + λ 3 L c e l + λ 4 L t r i l + λ 5 L i n t e r \mathcal{L}=\lambda_{1} \mathcal{L}_{ce}^{g}+\lambda_{2} \mathcal{L}_{tri}^{g}+\lambda_{3} \mathcal{L}_{ce}^{l}+\lambda_{4} \mathcal{L}_{tri}^{l}+\lambda_{5} \mathcal{L}_{inter}L=λ1Lceg+λ2Ltrig+λ3Lcel+λ4Ltril+λ5Linter（λ 1 = λ 3 = 0.5 \lambda_1=\lambda_3=0.5λ1=λ3=0.5，λ 2 = λ 4 = 5 \lambda_2=\lambda_4=5λ2=λ4=5，λ 5 = 10 \lambda_5=10λ5=10）。
四、实验结果
对比实验（ShipReID-2400）：
- 优于12种现有ReID方法（涵盖行人、车辆、通用对象、遮挡行人ReID），单分支（全局）mAP达40.8、R1达46.2，双分支（全局+局部）mAP达41.3、R1达45.8；
- 注意力可视化显示，D2InterNet更聚焦船舶局部判别细节（如设备、船首），而非背景或低区分度船体。
泛化能力验证：
数据集 指标 最优表现（D2InterNet） 对比次优方法提升幅度 VesselReID（船舶） mAP 60.6 14.1个百分点 VesselReID（船舶） R1 72.3 6.9个百分点 MSMT17（行人） mAP 73.0 仅次于CLIP-ReID（73.4） MSMT17（行人） R1 88.0 仅次于CLIP-ReID（88.7） 消融实验：
- 启用PFPM：单分支测试mAP从37.1（仅全局）提升至37.7，双分支训练+全局测试mAP达40.8；
- 启用CILM：mAP从38.6提升至40.8，R1从45.2提升至46.2；
- 启用FIM（保留60%token）：mAP从40.0提升至40.8；
- 4个part token为最优配置。
五、研究意义与开源
- 开源ShipReID-2400数据集与D2InterNet代码（https://github.com/HuiGuanLab/ShipReID-2400），填补船舶ReID高质量数据集空白；
- 推动智能航道交通、船舶违规排查、生态保护等领域的技术发展。
4. 关键问题
问题1：ShipReID-2400数据集相比现有公开船舶ReID数据集，核心优势是什么？
答案：核心优势体现在三方面：① 规模更大且来源真实：含2400个船舶ID（远超Boat ReID的107个），图像来自53个月真实航道监控系统（而非VesselReID的网络图像），无质量噪声；② 多样性更强：8个摄像头覆盖≥6000平方公里水域，拍摄时间跨度最长超1200天，包含船舶部分拍摄、尺度变化等真实场景挑战；③ 标注规范：结合自动预标注与人工校验，基于船牌+视觉特征确保ID准确性，同时模糊船牌保护隐私，适配ReID任务协议。
问题2：D2InterNet如何针对性解决船舶ReID中“尺度变化大”和“部分拍摄”两大核心挑战？
答案：① 针对尺度变化大：采用双分支架构，全局分支通过CLIP视觉分支提取鲁棒全局特征，适配船舶整体外观变化；局部分支通过PFPM模块设置4个part token，聚焦不同局部区域，捕捉不受尺度影响的判别细节（如船首设备）；② 针对部分拍摄：通过FIM模块筛选关键局部特征，过滤因部分拍摄产生的冗余信息；CILM模块融合全局与局部特征，即使船舶仅部分拍摄，也能通过局部判别特征与全局特征的交互实现准确识别，避免单一特征维度的局限性。
问题3：D2InterNet的泛化能力体现在哪里？其泛化性能优异的核心原因是什么？
答案：① 泛化能力体现：不仅在船舶ReID数据集（ShipReID-2400、VesselReID）上实现当前最优性能，还在行人ReID数据集MSMT17上取得mAP 73.0、R1 88.0的 competitive 结果，远超多数专门针对行人ReID的方法；② 核心原因：一是全局分支采用CLIP视觉分支，预训练于海量视觉-文本对，具备强通用特征提取能力；二是双分支架构与交互模块（FIM、CILM）未绑定船舶专属特征，而是聚焦“局部判别特征提取+跨尺度特征融合”的通用问题，可迁移至其他ReID任务。
