DSAM A Distance Shrinking with Angular Marginalizing Loss for High Performance 车辆重新识别(ReID)是计算机视觉中的一个重要但具有挑战性的问题。与其他视觉对象(如人脸和人)相比,车辆同时表现出更大的类内视点变化和类间视觉相似性,这使得大多数用于面部识别和人ReID的现有损失函数不适合车辆ReID。.. 为了获得高性能的车辆ReID模型,我们提出了一种新颖的具有角边距缩小的距