声明
一 绪论
1.1 课题研究背景和意义
1.2 行人重识别国内外研究现状
1.2.1 行人重识别发展历史
1.2.2 目前行人重识别的问题和本文的解决思路
1.3 本文研究内容与主要贡献
1.4 本文结构安排
二 行人重识别的相关工作
2.1 行人重识别数据集
2.2 传统方法
2.2.1 特征选择
2.2.2 度量学习
2.3 基于深度学习的特征提取
2.3.1 深度网络结构
2.3.2 损失函数
2.3.3 行人对齐
2.3.4 数据增强
2.4 本章小结
三 行人重识别中的深度特征学习
3.1 实验方法
3.1.1 训练框架
3.1.2 全注意力模块
3.1.3 在线课程式采样
3.1.4 聚焦损失
3.1.5 深度监督与注意力学习
3.1.6 多任务学习
3.1.7 推理（Inference）阶段
3.2 实验结果
3.2.1 评价指标
3.2.2 实验参数配置
3.2.3 与当前最高结果比较
3.2.4 消融性研究
3.3 本章小结
四 行人重识别中的域自适应研究
4.1 理论推导
4.1.1 记号和定义约定
4.1.2 假设与可学习性
4.1.3 对设想的近似
4.2 实验方法
4.2.1 域自适应算法介绍
4.2.2 域自适应算法实现
4.3 实验结果
4.3.1 实施细节和参数设置
4.3.2 与当前最高结果比较
4.3.3 消融性研究
4.4 本章小结
五 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
附录A 攻读学位期间发表的学术论文
附录B 攻读学位期间获得的奖励
附录C 攻读学位期间参与的主要科研项目
附录D 定理证明
