声明
致谢
摘要
插图清单
附表清单
术语清单
1 引言
1．1课题背景
1．2 国内外研究现状和存在的问题
1．2．1 基于深度学习的标准行人重识别
1．2．2基于深度学习的遮挡行人重识别
1．2．3亟待解决的问题
1．3研究内容与主要贡献
1．4论文组织结构
2基于深度学习的行人重识别相关知识
2．1标准的基准网络框架
2．1．1骨干网络
2．1．2损失函数
2．1．3训练策略
2．2行人重识别数据集
2．2．1标准行人重识别数据集
2．2．2局部式行人重识别数据集
2．2．3遮挡式行人重识别数据集
2．3行人重识别评价指标
2．3．1 累计匹配曲线
2．3．2均值平均精度
2．4本章小结
3基于局部信息动态匹配的标准行人重识别
3．1引言
3．2局部信息动态匹配算法
3．3 AlignedReID++框架
3．4实验结果
3．4．1实验设置
3．4．2浅层特征VS深层特征
3．4．3消融实验
3．4．4遮挡模拟实验
3．4．5与其他方法对比
3．4．6与AlignedReID的对比
3．5本章小节
4强力的行人重识别基准网络
4．1引言
4．2训练技巧
4．2．1预热学习率
4．2．2随机擦除增广
4．2．3标签平滑
4．2．4扩大特征图
4．3 BNNeck结构
4．4 中心损失与聚类效应
4．5强力的基准网络框架
4．6实验结果
4．6．1实验设置
4．6．2消融实验
4．6．3 BNNeck实验分析
4．6．4 中心损失实验分析
4．6．5与其他基准网络的对比
4．6．6与其他先进方法的对比
4．6．7其他方法在强力基准网络上的结果
4．6．8不同骨干网络的结果
4．7本章小节
5基于空间转换网络的局部式行人重识别
5．1引言
5．2 STNReID框架
5．2．1 STN模块
5．2．2 ReID模块
5．3双阶段训练策略
5．4实验结果
5．4．1评测协议与实验设置
5．4．2 ReID模块和STN模块的竞争性
5．4．3双阶段训练策略实验结果
5．4．4 与其他先进方法的对比
5．4．5 计算效率
5．5本章小节
6基于互相关匹配的遮挡式行人重识别
6．1引言
6．2算法原理
6．2．1互相关操作
6．2．2可视化结果
6．2．3 CAP算法
6．3实验结果
6．3．1 评测协议
6．3．2消融实验
6．3．3与先进方法比较
6．3．4标准行人重识别上的扩展实验
6．4本章小节
7总结与展望
7．1本文工作总结
7．2未来研究展望
参考文献
作者简历
攻读博士期间的主要学术成果
浙江大学;
