利用深度學(xué)習(xí)對(duì)圖像中的行人進(jìn)行再識(shí)別的研究工作已經(jīng)取得了一定發(fā)展。將行人再識(shí)別技術(shù)應(yīng)用在真實(shí)場(chǎng)景時(shí),常常會(huì)遇到攝像視角變化,背景復(fù)雜造成遮擋以及光照條件不理想等情況。這些真實(shí)存在的復(fù)雜應(yīng)用場(chǎng)景是當(dāng)前行人再識(shí)別技術(shù)面臨的重要挑戰(zhàn),也是未來項(xiàng)目落地應(yīng)用的關(guān)鍵。本文針對(duì)復(fù)雜場(chǎng)景中最常見的遮擋情況以及光照條件不理想這兩個(gè)干擾提出了相應(yīng)的行人再識(shí)別創(chuàng)新算法:針對(duì)存在遮擋的復(fù)雜場(chǎng)景,本文提出一種基于隨機(jī)遮擋的局部行人再識(shí)別算法。該算法利用深淺層網(wǎng)絡(luò)不同大小的感受野學(xué)習(xí)的特征差異,設(shè)計(jì)了一條深層遮擋支路和一條淺層遮擋支路。兩條支路中的遮擋塊隨機(jī)出現(xiàn)在行人圖中不同區(qū)域,它能夠?qū)W習(xí)不同尺度的局部特征。兩條支路并行操作,在最后通過加權(quán)融合。在主干網(wǎng)絡(luò)學(xué)習(xí)全局特征的基礎(chǔ)上,深層網(wǎng)絡(luò)的大尺度局部特征,與淺層網(wǎng)絡(luò)的更細(xì)膩的局部特征提供了更加豐富的信息,有效緩解了遮擋帶來的干擾影響。網(wǎng)絡(luò)中引入的channel-spatial注意力機(jī)制對(duì)算法進(jìn)行優(yōu)化。該算法具有更強(qiáng)的魯棒性和學(xué)習(xí)能力,在遮擋場(chǎng)景中依然保持優(yōu)秀的識(shí)別率。對(duì)于光照條件不理想的場(chǎng)景本文提出了基于空間變換的跨模態(tài)行人再識(shí)別研究。該算法利用光照理想時(shí)的彩色圖...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 課題研究的背景和意義
    1.3 行人再識(shí)別研究現(xiàn)狀
    1.4 行人再識(shí)別面臨的問題與挑戰(zhàn)
    1.5 本文的主要工作及創(chuàng)新點(diǎn)
第二章 行人再識(shí)別概述
    2.1 引言
    2.2 基于深度學(xué)習(xí)的行人再識(shí)別
    2.3 基于深度學(xué)習(xí)的局部行人再識(shí)別
    2.4 跨模態(tài)行人再識(shí)別
    2.5 本章總結(jié)
第三章 基于隨機(jī)遮擋的局部行人再識(shí)別
    3.1 引言
    3.2 公共數(shù)據(jù)集概述
        3.2.1 Market1501 數(shù)據(jù)集
        3.2.2 Duke MTMC-re ID數(shù)據(jù)集
        3.2.3 CUHK03數(shù)據(jù)集
        3.2.4 Occluded-Duke MTMC數(shù)據(jù)集
    3.3 網(wǎng)絡(luò)基礎(chǔ)框架和遮擋支路
        3.3.1 Res Net-50 網(wǎng)絡(luò)框架
        3.3.2 深淺層遮擋分支
    3.4 注意力機(jī)制
        3.4.1 Hard Attention與 Soft Attention
        3.4.2 C-S Attention模塊
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 評(píng)判標(biāo)準(zhǔn)
        3.5.2 實(shí)驗(yàn)細(xì)節(jié)
        3.5.3 實(shí)驗(yàn)結(jié)果的比較
        3.5.4 不同結(jié)構(gòu)基線的實(shí)驗(yàn)結(jié)果比較
        3.5.5 注意力模塊對(duì)實(shí)驗(yàn)結(jié)果影響
        3.5.6 遮擋塊參數(shù)r對(duì)實(shí)驗(yàn)性能影響的比較
    3.6 本章總結(jié)
第四章 基于空間變換的跨模態(tài)行人再識(shí)別
    4.1 引言
    4.2 跨模態(tài)行人公共數(shù)據(jù)集概述
        4.2.1 SYSU-MM01 數(shù)據(jù)集
        4.2.2 RegDB數(shù)據(jù)集
    4.3 設(shè)計(jì)目的與網(wǎng)絡(luò)主體框架
    4.4 STN網(wǎng)絡(luò)與行人再識(shí)別任務(wù)
    4.5 實(shí)驗(yàn)測(cè)試與結(jié)果分析
        4.5.1 實(shí)驗(yàn)細(xì)節(jié)
        4.5.2 實(shí)驗(yàn)結(jié)果與最新研究的比較
        4.5.3 STN模塊不同設(shè)計(jì)對(duì)網(wǎng)絡(luò)識(shí)別效果的影響
    4.6 本章總結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動(dòng)及成果情況



本文編號(hào)：3799913