基于深度特征的跨模态行人重识别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 基于人工特征的行人重识别 | 第13-15页 |
| 1.2.2 基于深度学习的行人重识别 | 第15-18页 |
| 1.2.3 基于对抗学习的跨模态行人重识别 | 第18-19页 |
| 1.3 数据集及评测方法 | 第19-21页 |
| 1.3.1 数据集 | 第19-20页 |
| 1.3.2 评测方法 | 第20-21页 |
| 1.4 本文主要研究内容 | 第21-22页 |
| 1.5 本文组织结构 | 第22-23页 |
| 第二章 基于深度学习的行人重识别 | 第23-35页 |
| 2.1 引言 | 第23-24页 |
| 2.2 分类模型 | 第24-26页 |
| 2.3 孪生网络模型 | 第26-29页 |
| 2.3.1 基于样本对的特征描述 | 第26-27页 |
| 2.3.2 基于普通三元组的特征描述 | 第27-29页 |
| 2.4 对抗生成模型 | 第29-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于生成对抗网络学习的跨模态行人重识别 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 基于生成对抗学习的跨模态网络结构 | 第35-40页 |
| 3.2.1 网络结构 | 第36-37页 |
| 3.2.2 跨模态三元组损失函数 | 第37-40页 |
| 3.3 实验与分析 | 第40-45页 |
| 3.3.1 调整参数 | 第40页 |
| 3.3.2 实验设置 | 第40-41页 |
| 3.3.3 实验结果和分析 | 第41-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于跨模态生成对抗网络行人重识别系统 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 整体需求分析 | 第47-48页 |
| 4.3 系统功能设计 | 第48-49页 |
| 4.4 实现细节 | 第49-51页 |
| 4.4.1 开发平台 | 第49页 |
| 4.4.2 特征提取模块 | 第49-51页 |
| 4.4.3 检索模块 | 第51页 |
| 4.5 系统界面及结果展示 | 第51-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 总结和展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
