行人重識別指的是,采用計算機視覺的技術(shù),判斷在視角不重疊的區(qū)域內(nèi)不同攝像頭捕捉到的行人圖像是否來自同一個行人的過程。由于行人重識別中用于訓(xùn)練的數(shù)據(jù)集需要跨多個攝像頭獲取實驗樣本,攝像頭之間的內(nèi)在差異性導(dǎo)致人工標注的方式效率低且難度大,無法應(yīng)用于大規(guī)模的數(shù)據(jù)集,從而限制了行人重識別研究的進一步發(fā)展。因此,越來越多的研究者開始關(guān)注不需要人工標記（無監(jiān)督）或者僅需要每個行人一張已標注圖像（單樣本）的行人重識別研究。本文也將針對這兩種任務(wù),分別提出兩種不同的算法來解決不充分行人圖像標簽信息下（無監(jiān)督和單樣本）行人重識別模型的訓(xùn)練問題。對于這兩類任務(wù),由于行人圖像缺少類別標簽信息和成對標簽信息,我們無法直接進行基于分類損失和基于三元組損失的訓(xùn)練。因此,兩者都需要估計未標注行人圖像的標簽信息用于模型訓(xùn)練,一般通過計算圖像特征之間的相似度進行圖像的匹配,進而完成標簽的標注。然而,不同的攝像頭由于其所處的位置不同導(dǎo)致其拍攝到的行人角度存在差異、行人在不同時間點的姿態(tài)變化、光照的因素導(dǎo)致成像的差異等,使同一個行人的成像存在較大的差異（類內(nèi)差異）,甚至大于不同行人間的圖像差異（類間差異）,這也是行人重識別... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
數(shù)學(xué)符號對照表
第1章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 應(yīng)用前景
        1.1.3 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 基于監(jiān)督學(xué)習的行人重識別
        1.2.2 基于無監(jiān)督的行人重識別
    1.3 本文的主要研究內(nèi)容
    1.4 本文組織
第2章 相關(guān)理論知識介紹
    2.1 行人重識別系統(tǒng)定義
    2.2 圖像描述算子
        2.2.1 顏色特征
        2.2.2 紋理特征
        2.2.3 局部特征
    2.3 深度學(xué)習系統(tǒng)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.2 殘差網(wǎng)絡(luò)
        2.3.3 代價函數(shù)
    2.4 無監(jiān)督行人重識別
    2.5 領(lǐng)域自適應(yīng)
    2.6 半監(jiān)督學(xué)習
    2.7 本章小結(jié)
第3章 基于聚類指導(dǎo)的無監(jiān)督行人重識別
    3.1 聚類級別的監(jiān)督信息
    3.2 可信和困難的正負樣本對挖掘
    3.3 本章小結(jié)
第4章 基于標簽融合和混合生成的單樣本行人重識別
    4.1 雙層標簽融合
        4.1.1 特征匹配度標簽
        4.1.2 分類預(yù)測度標簽
    4.2 跨攝像頭圖像混合生成
    4.3 本章小結(jié)
第5章 實驗與分析
    5.1 行人重識別的圖像數(shù)據(jù)集
    5.2 行人重識別算法的評價標準
    5.3 實驗流程及實驗分析
        5.3.1 基于聚類的無監(jiān)督行人重識別
        5.3.2 基于標簽融合和混合生成的單樣本行人重識別
    5.4 本章小結(jié)
第6章 工作總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來工作展望
參考文獻
致謝
碩士期間發(fā)表的論文



本文編號：3197454