Vehicle re-identification (vehicle ReID) is designed to recognize all instances of a specific vehicle across various camera viewpoints, facing significant challenges such as high similarity among different vehicles from the same viewpoint and substantial variance for the same vehicle across different viewpoints. In this paper, we introduce the RAND network, which is equipped with relation attention mechanisms, nuance, and disparity masks to tackle these issues effectively. The disparity mask specifically targets the automatic suppression of irrelevant foreground and background noise, while the nuance mask reveals less obvious, sub-discriminative regions to enhance the overall feature robustness. Additionally, our relation attention module, which incorporates an advanced transformer architecture, significantly reduces intra-class distances, thereby improving the accuracy of vehicle identification across diverse viewpoints. The performance of our approach has been thoroughly evaluated on widely recognized datasets such as VeRi-776 and VehicleID, where it demonstrates superior effectiveness and competes robustly with other leading methods.

This study examines the risks of thermal runaway in Lithium-ion batteries, especially under abusive conditions, which can lead to high temperatures, combustion, and explosions, posing safety threats. It focuses on thermal runaway propagation, temperature changes, propagation time, mass alterations, gas composition, and concentration shifts. Experiments were conducted on various Lithium-ion batteries with different SOCs. The results show inevitable thermal runaway in one-dimensionally arranged cylindrical Li-ion batteries. Higher SOC batteries have increased combustion risks, faster transfer rates, longer gas release, and produce irritating gases like NH3, HCl, and HF. Trigger temperatures and times vary with SOC: 100% SOC batteries trigger at 97°C in 185 s, while 25% SOC batteries trigger at 232°C in 299 s. The propagation time between adjacent batteries decreases from 273 s to 74 s as SOC increases from 25% to 100%. A predictive model is introduced to calculate peak temperatures and analyze propagation paths, enhancing understanding and safety considerations of thermal runaway in batteries.