行人重識別是近年來在計算機(jī)視覺領(lǐng)域興起的一項新技術(shù),它是許多安防和監(jiān)控應(yīng)用中的重要任務(wù),在計算機(jī)視覺研究領(lǐng)域上也引起了越來越多的關(guān)注。行人重識別指的是在非重疊鏡頭視域中檢索出目標(biāo)行人。由于多個鏡頭拍攝的場景和拍攝角度是完全不相同的,假設(shè)我們要對某個鏡頭中拍攝到的目標(biāo)行人進(jìn)行重識別,即在其他的鏡頭中檢索該行人,除了要考慮目標(biāo)行人本身在不同鏡頭下外觀上的不同,還要考慮其他行人的影響,比如該目標(biāo)行人需要與其它鏡頭中的多個行人都進(jìn)行比較。隨著生成對抗網(wǎng)絡(luò)模型的提出和相關(guān)算法的不斷演變,基于生成對抗網(wǎng)絡(luò)的行人重識別研究也取得了良好的進(jìn)展,利用生成對抗網(wǎng)絡(luò)生成的圖像進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練,很好的提升了性能。目前,行人重識別在單個數(shù)據(jù)集下的性能已經(jīng)有了顯著的提高,但在一個行人數(shù)據(jù)集下訓(xùn)練的模型,常常不能很好的推廣到另一個行人數(shù)據(jù)集。本文的主要工作如下:（1）由于行人重識別也是圖像檢索的子問題,本文了引入了細(xì)粒度圖像檢索的思想。本文提出了混合選擇性卷積描述符聚合的方法,該方法將選擇性卷積描述符聚合的特征與全局平均池化特征相結(jié)合,得到最終的行人特征。這種方法可以選擇有用的深度描述子,同時通過定位圖像中的行人目... 

【文章來源】：長沙理工大學(xué)湖南省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．３ＣＵＨＫ０１數(shù)據(jù)集圖片??Ｍａｒｋｅｔ－１５０１［３８］總共３２６４３張來自６個不同的攝像頭的圖像，如圖２．４所示，包含了??

?碩士學(xué)位論文???張行人圖片組成，包含了?６３２個不同的行人，行人圖像的分辨率統(tǒng)一為］２８＊４８。??…為Ａ＇：龜，，??讀＿??圖２．２?ＶＩＰｅＫ數(shù)據(jù)集圖片??ＣＵＨＫ０１【ｉ４繳據(jù)集在ＶＩＰｅＲ數(shù)據(jù)集的基礎(chǔ)上進(jìn)行了擴(kuò)充。該數(shù)據(jù)集中的圖片也由兩??個相機(jī)拍攝，兩個相機(jī)的視角不同，如圖２．３所示，每個行人都出現(xiàn)在兩個不同的視角??中。不同的是，每個行人在每個相機(jī)中都采集了兩張圖片。數(shù)據(jù)集由３８８４張行人圖片??組成，包含了?９７１個不同的行人，行人圖像的分辨率統(tǒng)一為１６０＊６０。??｜麵’??ｍｍ??圖２．３ＣＵＨＫ０１數(shù)據(jù)集圖片??Ｍａｒｋｅｔ－１５０１［３８］總共３２６４３張來自６個不同的攝像頭的圖像，如圖２．４所示，包含了??１５０１個身份。其中訓(xùn)練集包含１２９３６張圖片，共７５１個不同行人；測試集包含１９７３２張??圖片，包含７５０個不同行人。此外，這個數(shù)據(jù)集還包含了?ＤＰＭ檢測到的２７９３個錯誤圖??１２??

?第二章相關(guān)理論概述???片，作為真實場景的干擾。每個ＩＤ至少出現(xiàn)在兩個攝像頭，使得跨攝像頭查詢是可行??的。在同攝像頭下，同一個ＩＤ可以有不同的外觀。在ＩＣＣＶ?２０１５年發(fā)布版本的后期，??集成了?５００Ｋ的干擾項，使這個數(shù)據(jù)集非常大。在該數(shù)據(jù)集中，作者還使用ｍＡＰ作為評??價標(biāo)準(zhǔn)對算法進(jìn)行了測試。??ＤｕｋｅＭＴＭＣ－ｒｅｌＤｆＭ數(shù)據(jù)集中的圖片來自８個視角不同的攝像頭，一共包含３６４１１??張行人圖像，共有１４０４個不同的行人，每個行人都出現(xiàn)在了多個相機(jī)鏡頭中。其中訓(xùn)??練集中包含了?７０２個不同行人的１６５２２張圖片，測試集中包含了另外７０２個不同的行??人。測試集中，查詢庫中包含２２２８張查詢圖像，搜索庫中包含１７６６１張行人圖像，均??來自這７０２個不同的行人中。此外，在搜索庫中，還額外加入了?４０８人作為干擾，以模??擬真實的應(yīng)用場景。??ＩＩＭｉ麵鈐．屢猶．??貓漏鱗誦??ｆ?ｍｍ??圖２．４?Ｍａｒｋｅｔ－１５０１數(shù)據(jù)集圖片??ｍ??■?￡?鬧??國＿１議１顧’??＾?７?ｓｉＭ?Ｉｆ?ｙｙ??圖２．５ＭＳＭＴ１７數(shù)據(jù)集圖片??１３??


本文編號：2999462