【摘要】：行人重識別算法的任務(wù)是在沒有公共視域的攝像頭中搜索特定的行人目標(biāo),這可以被視為一個目標(biāo)檢索過程,結(jié)果可表示為一個行人樣本相似度的排名列表。在實際的場景中,受光照明暗變化、視角變化、行人姿態(tài)、遮擋等因素的影響,同一行人目標(biāo)在不同攝像頭下呈現(xiàn)較大的差異,從而導(dǎo)致同一行人的圖像很難排在相似度列表前列。通常來說,難以正確匹配的行人樣本被稱為難例樣本,難例樣本也是阻礙算法性能的最大障礙。本文將從行人重識別的難例樣本出發(fā),分析難例樣本特征分布的規(guī)律,提升模型對難例樣本的匹配成功率,完善算法性能。首先,大多數(shù)現(xiàn)有的基于度量學(xué)習(xí)的行人重識別算法,采用在整個數(shù)據(jù)集上學(xué)習(xí)一個全局距離矩陣來計算行人圖像之間的相似度。但是由于測試集中的難例樣本特征分布的不規(guī)律性,全局度量很難準(zhǔn)確衡量其相似度,導(dǎo)致算法性能指標(biāo)下降。本文提出將全局度量學(xué)習(xí)和測試集難例樣本的局部判別信息相結(jié)合來提升匹配精度,根據(jù)測試集樣本在全局度量矩陣下的距離分布篩選出易混淆的難例樣本并分析這些樣本的局部判別信息,重新計算樣本相似度并排序。其次,我們希望學(xué)習(xí)出一個特定的針對難例樣本的度量矩陣。先利用交叉驗證的方式獲得訓(xùn)練集樣本的相似度排序列表,并根據(jù)列表排序?qū)⒂?xùn)練負(fù)樣本對分為3個不同的難例等級。對此,提出了一種由粗到精的調(diào)節(jié)機(jī)制,能在重訓(xùn)練階段自適應(yīng)地對不同難例程度的樣本對施加不同的懲罰。在這樣的約束條件下,算法可以學(xué)習(xí)得到一個更適合于難例樣本的度量矩陣,把它應(yīng)用于測試集的重排序任務(wù),能夠進(jìn)一步區(qū)分容易混淆的樣本,提高算法精度。最后,隨著深度學(xué)習(xí)算法的發(fā)展,行人重識別數(shù)據(jù)庫的容量越來越大,模型在訓(xùn)練過程中很難擬合到數(shù)據(jù)庫中少量的難例樣本,從而導(dǎo)致模型在測試過程中的判別能力下降�？紤]到每個訓(xùn)練隨機(jī)批次難例等級不同以及訓(xùn)練不同階段模型所需樣本數(shù)量的不同,我們提出了基于深度學(xué)習(xí)的自適應(yīng)難例挖掘算法,該算法不僅可以使難例挖掘的規(guī)則和模型訓(xùn)練過程更加協(xié)調(diào)一致,而且可以同時緩解模型欠擬合和過擬合的問題。此外,實現(xiàn)難例挖掘的子網(wǎng)絡(luò)結(jié)構(gòu)簡單有效,具有良好的泛化性能,可以很容易地與現(xiàn)有的各種深度學(xué)習(xí)網(wǎng)絡(luò)和行人重識別模型相結(jié)合。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP18
【圖文】：

算法可根據(jù)案發(fā)時監(jiān)控攝像頭拍攝到的嫌疑目標(biāo)圖搜索該嫌疑目標(biāo)的畫面并分析其活動軌跡，以便排計算機(jī)強(qiáng)大處理能力，行人重識別算法能夠快速處安機(jī)關(guān)的信息處理效率，維護(hù)保障公共安全。文的重點研究是基于表觀特征的行人重識別算法，究現(xiàn)狀和發(fā)展趨勢，分析了行人重識別算法面臨的算法難以處理的樣本，設(shè)計了有效的算法來進(jìn)一步概況在安防中發(fā)揮了越來越大的作用，學(xué)術(shù)界對于行人俱增，在國際頂級會議上有關(guān)行人重識別算法的文

( ) ≤ ，( ) ( ) ≥ ，( ) 束算法，例如大間隔最近鄰分類算法內(nèi)樣本對之間的距離的間隔至少大于 ),其中 且 ，約束條件滿 ( ) ≥ ( ) SME[7]方法，是度量學(xué)習(xí)中非常有代表兩幅行人圖像的相似程度。文章提出其中( ) ， 服從的高斯分布均值值為 0，協(xié)方差矩陣為 的高斯分布1 所示。

圖 2-7. 集合 ， 和 的可視化構(gòu)建過程三個子集， ， 和 ，可以幫助算法判斷全局度量學(xué)習(xí)下對 的相似度計算結(jié)果是否和測試對的局部判別信息一致。若三個集合中屬于同一個人的圖像越多，則全局度量學(xué)習(xí)和測試樣本對的局部判別信息越一致， 屬于同一個行人目標(biāo)的可能性就越大，這是因為難例負(fù)樣本對之間往往不同時具備全局分布和局部信息的相似性。因此，根據(jù)三個集合中同時出現(xiàn)的訓(xùn)練樣本數(shù)計算出測試樣本對在局部判別信息下的分?jǐn)?shù)，和原始分?jǐn)?shù)相結(jié)合對樣本相似度重新排序。2.4.5 重排序算法上述策略可以通過將三個 k-近鄰集合中的元素編碼為向量，構(gòu)建可度量相似度的計算方法，再進(jìn)行重新排序。對于集合 , 我們設(shè)計一個向量 來表示 中的元素。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張明紅;佘廉;耿波;;基于情景的結(jié)構(gòu)化突發(fā)事件相似度研究[J];中國管理科學(xué);2017年01期

2 陳葉斐;張學(xué)軍;黃衛(wèi)東;;基于干擾相似度的多話題演化模型[J];電信科學(xué);2017年09期

3 任雪利;代余彪;;軟件相似度在成本估算中的應(yīng)用[J];計算機(jī)應(yīng)用與軟件;2015年06期

4 譚明超;刁興春;曹建軍;馮徑;;一種基于函數(shù)依賴的屬性相似度調(diào)整算法[J];上海交通大學(xué)學(xué)報;2015年08期

5 陳立鳳;;河馬找親戚[J];學(xué)生之友(童花果);2016年12期

6 周嫻莉;;十個中文流行語翻譯[J];初中生輔導(dǎo);2016年36期

7 杜碧涵;;母愛[J];少年月刊;2017年05期

8 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

9 詹雪艷;林兆洲;段天璇;李磊;喬延江;;色譜指紋圖譜相似度方法的適應(yīng)性研究[J];中國中醫(yī)藥信息雜志;2012年05期

10 楊松;樓新遠(yuǎn);;基于向量空間模型附加詞義特征的句子相似度研究[J];成都信息工程學(xué)院學(xué)報;2012年03期

相關(guān)會議論文 前10條

1 張乃岳;張學(xué)燕;;基于個體詞語相似度的定制化動態(tài)信息檢索[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

2 李紅蓮;潘建軍;范京;;音節(jié)相似度及其在語音識別中的應(yīng)用[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 丁維龍;吳水生;陳琦;程志君;;基于樹形結(jié)構(gòu)相似度的植物種類識別系統(tǒng)[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

4 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集（上）[C];2008年

5 郭瑛媚;史曉東;陳毅東;高燕;;基于詞的話題分布相似度的無監(jiān)督日文旅游意見詞翻譯[A];機(jī)器翻譯研究進(jìn)展——第七屆全國機(jī)器翻譯研討會論文集[C];2011年

6 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計算機(jī)應(yīng)用技術(shù)交流會論文集[C];2008年

7 Peng Ding;Xin Yan;Zhihong Liu;Jiewen Du;Yuehua Xu;Qiong Gu;Jun Xu;;TarExplorer:基于三維相似度的活性小分子尋靶平臺（英文）[A];中國化學(xué)會第30屆學(xué)術(shù)年會摘要集-第二十五分會：化學(xué)信息學(xué)與化學(xué)計量學(xué)[C];2016年

8 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國第21屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

9 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

10 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)重要報紙文章 前10條

1 楊林;住宿按“相似度”分 體現(xiàn)學(xué)生視角[N];北京日報;2017年

2 證券時報記者　 韓如冰;基金投資相似度趨高[N];證券時報;2006年

3 胡可;婚姻VS事業(yè)相似度揭秘[N];中國婦女報;2019年

4 本報記者 王斌 本報實習(xí)生 蒲曉磊;版權(quán)局官員:相似度極高的不受保護(hù)[N];法制日報;2012年

5 記者 李學(xué)梅;研究證實：父親“偏愛”與自己相像的孩子[N];新華每日電訊;2009年

6 天相投資顧問公司 張新文;風(fēng)格穩(wěn)定基金業(yè)績更勝一籌[N];證券時報;2007年

7 記者 劉妮;曾維會見日本新任駐沈總領(lǐng)事[N];沈陽日報;2012年

8 小新;妊娠中毒癥與夫婦HLA基因相似度有關(guān)[N];中國醫(yī)藥報;2007年

9 海潮;俄研究發(fā)現(xiàn)妊娠中毒癥疑與夫婦HLA基因相似度有關(guān)[N];中國醫(yī)藥報;2007年

10 欒海;妊娠中毒癥可能與夫婦 HLA基因相似度有關(guān)[N];醫(yī)藥經(jīng)濟(jì)報;2007年

相關(guān)博士學(xué)位論文 前10條

1 王玉標(biāo);基于動態(tài)信任建模的云服務(wù)可信性評估與選擇研究[D];重慶大學(xué);2018年

2 高欣健;多模態(tài)相似度學(xué)習(xí)方法研究[D];合肥工業(yè)大學(xué);2017年

3 夏云慶;IHSMTS系統(tǒng)中啟發(fā)式類比翻譯處理機(jī)制（HATM）的設(shè)計與實現(xiàn)[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2001年

4 武威;異質(zhì)數(shù)據(jù)相似度學(xué)習(xí)及其在網(wǎng)絡(luò)搜索中的應(yīng)用[D];北京大學(xué);2012年

5 張明西;信息網(wǎng)絡(luò)中的相似度搜索問題研究[D];復(fù)旦大學(xué);2013年

6 朱娜斐;基于RTT相似度的網(wǎng)絡(luò)延遲估測理論和方法[D];北京工業(yè)大學(xué);2012年

7 錢鵬飛;基于模糊相似度的異構(gòu)本體映射、合并及校驗方法的研究[D];上海交通大學(xué);2008年

8 朱笑塵;異質(zhì)過程數(shù)據(jù)集成與修復(fù)[D];清華大學(xué);2015年

9 賈連印;內(nèi)存數(shù)據(jù)庫中集合相似度及集合包含問題的研究[D];華南理工大學(xué);2012年

10 崔曉蘭;面向在線抱怨自動處理的推薦方法研究[D];華中科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 郭炳元;基于語義樹的短文本相似度算法研究與應(yīng)用[D];湘潭大學(xué);2019年

2 趙旭青;基于圖像排名相似度和查詢自適應(yīng)特征融合的遙感圖像檢索[D];南昌大學(xué);2019年

3 蘇抒慧;基于本體的基因組變異數(shù)據(jù)語義查詢方法研究[D];哈爾濱工業(yè)大學(xué);2019年

4 徐傲丹;基于高階路徑相似度網(wǎng)絡(luò)的融合模型及多組學(xué)數(shù)據(jù)整合分析方法[D];華南理工大學(xué);2019年

5 張樂;基于深度學(xué)習(xí)的客服問題相似度識別[D];中國民航大學(xué);2019年

6 李蕾;大數(shù)據(jù)環(huán)境下相似重復(fù)記錄數(shù)據(jù)清洗關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2019年

7 高松;基于知識圖譜的合作者推薦系統(tǒng)設(shè)計與實現(xiàn)[D];大連理工大學(xué);2019年

8 馮爽爽;基于相似度融合的協(xié)同過濾推薦算法研究[D];江西農(nóng)業(yè)大學(xué);2019年

9 陳科舟;基于難例樣本分析的行人重識別方法[D];華中科技大學(xué);2019年

10 龔孫璐;實時多核平臺上基于相似度的資源感知任務(wù)劃分算法設(shè)計[D];華中科技大學(xué);2019年

本文編號：2806230