基于距离度量学习算法用于行人再识别的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 行人再识别技术的介绍 | 第11-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.4 论文研究内容及结构 | 第17-19页 |
| 第2章 行人再识别相关工作 | 第19-25页 |
| 2.1 行人检测 | 第19-21页 |
| 2.2 距离度量 | 第21页 |
| 2.3 常用数据集 | 第21-23页 |
| 2.4 评估方案 | 第23-25页 |
| 第3章 基于双向关系相似度函数学习的行人再识别 | 第25-41页 |
| 3.1 引言 | 第25页 |
| 3.2 双向关系相似度函数的学习 | 第25-28页 |
| 3.2.1 双向关系相似度函数 | 第25-26页 |
| 3.2.2 相似度度量函数的学习 | 第26-28页 |
| 3.3 特征介绍及行人图像的特征表示 | 第28-34页 |
| 3.3.1 颜色特征 | 第28-31页 |
| 3.3.2 纹理特征 | 第31-33页 |
| 3.3.3 行人图像的特征表示 | 第33-34页 |
| 3.4 实验结果及其分析 | 第34-40页 |
| 3.4.1 基于不同相似度函数的算法性能的比较 | 第34-36页 |
| 3.4.2 不同公共数据集上实验对比 | 第36-40页 |
| 3.5 本章总结 | 第40-41页 |
| 第4章 基于核空间与稠密水平条带特征的行人再识别 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 相似度度量函数的学习 | 第41-43页 |
| 4.2.1 XQDA度量学习算法的介绍 | 第41-42页 |
| 4.2.2 基于核空间的XQDA学习度量算法 | 第42-43页 |
| 4.3 行人图像的稠密水平条带特征提取 | 第43-44页 |
| 4.4 实验结果及其分析 | 第44-48页 |
| 4.4.1 VIPeR数据集的实验结果 | 第44-47页 |
| 4.4.2 QMUL GRID数据集的实验结果 | 第47页 |
| 4.4.3 i-LIDS数据集的实验结果 | 第47-48页 |
| 4.5 本章总结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49-50页 |
| 5.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士期间的研究成果 | 第55页 |
