| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-31页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 行人重识别发展历史及整体框架 | 第14-18页 |
| 1.2.1 行人重识别发展历史 | 第14-16页 |
| 1.2.2 行人重识别系统框架 | 第16-18页 |
| 1.3 国内外研究现状 | 第18-28页 |
| 1.4 本文研究内容和章节安排 | 第28-29页 |
| 1.5 本论文的创新点 | 第29-31页 |
| 2 基于行人部件对齐的行人重识别方法 | 第31-47页 |
| 2.1 引言 | 第31-33页 |
| 2.2 算法整体流程 | 第33页 |
| 2.3 行人部件检测算法 | 第33-35页 |
| 2.4 空间变换网络 | 第35-38页 |
| 2.5 基于行人部件对齐的行人重识别网络 | 第38-39页 |
| 2.6 随机擦除算法 | 第39-41页 |
| 2.7 实验数据库以及评价标准 | 第41-43页 |
| 2.8 训练细节以及实验结果 | 第43-45页 |
| 2.9 本章小结 | 第45-47页 |
| 3 基于超图群组损失的行人重识别方法 | 第47-61页 |
| 3.1 引言 | 第47-48页 |
| 3.2 超图模型基本概念 | 第48-51页 |
| 3.3 基本思路与整体框架 | 第51-52页 |
| 3.4 超图相似性模型构建 | 第52-55页 |
| 3.5 实验结果与分析 | 第55-60页 |
| 3.5.1 训练细节 | 第55-56页 |
| 3.5.2 在不同基础网路框架下的提升 | 第56-57页 |
| 3.5.3 与三元组损失函数和重排序相关算法进行比较 | 第57-58页 |
| 3.5.4 与现有行人重识别算法进行比较 | 第58-60页 |
| 3.6 本章小结 | 第60-61页 |
| 4 行人重识别的数据增强算法 | 第61-71页 |
| 4.1 引言 | 第61-62页 |
| 4.2 基本框架 | 第62-63页 |
| 4.3 深度卷积生成对抗网络 | 第63-64页 |
| 4.4 生成图片标签正则化 | 第64-66页 |
| 4.5 训练细节 | 第66页 |
| 4.6 实验结果及分析 | 第66-70页 |
| 4.7 本章小结 | 第70-71页 |
| 5 总结与展望 | 第71-74页 |
| 5.1 本文工作总结 | 第71-72页 |
| 5.2 未来工作展望 | 第72-74页 |
| 参考文献 | 第74-81页 |
| 个人简历及攻读硕士期间主要科研成果 | 第81页 |