行人重識別是指在跨攝像頭或跨場景情況下,基于多攝像頭拍攝的行人視頻數(shù)據(jù),實現(xiàn)目標行人的識別與檢索問題。近幾年隨著深度學習的快速發(fā)展及其在計算機視覺領(lǐng)域應(yīng)用的不斷加深,行人重識別的性能已經(jīng)獲得了極大的提升,然而,針對實際應(yīng)用,行人重識別任務(wù)仍面臨著極大的技術(shù)挑戰(zhàn):1)行人重識別模型難以泛化擴展,成為限制行人重識別實際應(yīng)用的很大阻礙;2)數(shù)據(jù)集的規(guī)模不夠也制約著行人重識別的進一步發(fā)展。本文基于深度學習技術(shù),從不同層面,研究提出解決行人重識別問題的方法,具體包括:(1)針對單樣本視頻行人重識別面臨的圖像序列特征雜亂問題,結(jié)合多目標函數(shù),提出了基于深度判別網(wǎng)絡(luò)的行人重識別模型。在本章中主要解決了以下幾個問題:1)考慮單樣本視頻數(shù)據(jù)集特點,每個行人只有一個圖像序列數(shù)據(jù),但其中也蘊含豐富的特征信息,如時序信息、同一行人的不同視角信息以及姿態(tài)信息等,提出了序列結(jié)合圖像的混合損失函數(shù)算法用于提純序列圖像中行人的特征信息,使模型獲得更好的魯棒性;2)在模型訓練階段,采用了一種新穎的逐步學習的半監(jiān)督學習采樣策略,在誤差可接受的范圍內(nèi),逐步利用未標記數(shù)據(jù)來提升模型性能;3)為了使模型提取更具判別性的行人特征...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

圖2-1卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型

中國民航大學碩士學位論文10AlexNet模型被提出后，直到現(xiàn)在，ILSVRC中圖像分類比賽的獲勝者一直為卷積神經(jīng)網(wǎng)絡(luò)模型，并且錯誤率已經(jīng)降至幾個百分點。隨時間推移，一些經(jīng)典的CNN模型，如圖2-1所示：圖2-1卷積神經(jīng)網(wǎng)絡(luò)經(jīng)典模型圖2-1展示了深度卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展路線。201....

圖2-2自訓練過程

中國民航大學碩士學位論文11得比只使用有標簽樣本數(shù)據(jù)訓練的分類器性能更好的分類器，而半監(jiān)督分類算法主要包含五種，分別是：自訓練算法、基于圖的半監(jiān)督算法、半監(jiān)督支持向量機、生成式的半監(jiān)督學習以及基于分歧的半監(jiān)督學習。圖2-2自訓練過程自訓練算法是一種增量算法，如圖2-2所示，首先用....

圖2-3基于深度學習的行人重識別基礎(chǔ)流程

中國民航大學碩士學位論文122.3行人重識別圖2-3基于深度學習的行人重識別基礎(chǔ)流程行人重識別主要是解決跨攝像頭檢索行人的圖像或視頻序列問題的一種技術(shù)手段，通用的行人重識別基礎(chǔ)流程如圖2-3所示。繼2014年深度學習首次應(yīng)用于行人重識別領(lǐng)域后，后續(xù)基于深度學習的行人重識別模型的研....

圖2-4三元組損失示意圖

中國民航大學碩士學位論文14圖2-4三元組損失示意圖與對比損失不同，三元組損失所需數(shù)據(jù)是以三個為一組的，如圖2-4所示，分別包含了一個正樣本對以及一個負樣本對，而三元組損失的目的則是通過訓練后，使得正樣本更加相近，而負樣本對則遠離。三元組損失公式如下：()()()()2222=a....

本文編號：3954255