基于无监督学习的聚类合并行人重识别

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1基于传统方法的行人重识别

1.2.2跨数据集的行人重识别

1.3 本文研究的内容

1.4 本文组织结构及贡献

第2章 相关工作

2.1 卷积神经网络

2.1.1卷积神经网络的特征

2.1.2 卷积神经网络的结构

2.2 ResNet网络结构

2.3 有监督的行人重识别

2.3.1 基于分类的研究方法

2.3.2 基于孪生网络的方法

2.4 无监督的行人重识别

2.5无监督学习中常见的聚类学习

2.5.1 层次聚类

2.5.2 K-means均值聚类

2.5.3 基于密度的聚类

2.6 本章小结

第3章 方法概述

3.1方法

3.1.1基于无监督学习的聚类合并

3.1.2 损失函数

3.2循环迭代策略

第4章 基于SE模块的聚类行人重识别

4.1 基于SE模块的行人重识别网络

4.1.1 SE模块的网络结构

4.1.2基于改进的网络结构设计

4.2 实验所用环境及配置

4.2.1 实验环境

4.2.2 PyTorch简介

4.3常用数据集介绍

4.4 实验参数设置

4.5实验评价标准

4.6实验结果

4.6.1 和目前方法的比较

4.6.2 不同类别方法之间的比较

4.7本章小结

第5章 基于Self-attention的聚类行人重识别

5.1 Attention

5.2 Self-attention

5.3 基于改进的网络结构设计

5.4 实验结果

5.4.1 和目前方法的比较

5.4.2 不同类别方法之间的比较

5.4.3 三种聚类不同距离计算方式的对比

5.5 参数和迭代次数对实验结果的影响

5.6 本章小结

第6章 总结与未来工作

6.1 文章总结

6.2 未来的工作

6.2.1 无监督聚类学习框架的挖掘

6.2.2 目前行人重识别面临的挑战

参考文献

作者简介及在学期间所获得的科研成果

致谢