基于AdaRank进行特征集成的行人再识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 行人再识别课题难点 | 第10-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 相关研究成果 | 第15-26页 |
| 2.1 传统方法 | 第15-23页 |
| 2.1.1 特征提取方法 | 第15-18页 |
| 2.1.2 度量学习方法 | 第18-23页 |
| 2.2 深度学习方法 | 第23-24页 |
| 2.3 相关集成算法 | 第24-26页 |
| 第三章 基于ADARANK的特征集成算法 | 第26-45页 |
| 3.1 改进的3D梯度直方图 | 第26-28页 |
| 3.2 LOMO3D特征 | 第28-32页 |
| 3.3 其他手动特征提取方法 | 第32-34页 |
| 3.3.1 Retinex预处理 | 第32-33页 |
| 3.3.2 局部特征集成 | 第33-34页 |
| 3.4 3D卷积神经网络 | 第34-38页 |
| 3.5 度量学习 | 第38-42页 |
| 3.5.1 KISS度量 | 第38-39页 |
| 3.5.2 LMNN | 第39-41页 |
| 3.5.3 基于核方法的局部费舍判别分析 | 第41-42页 |
| 3.6 集成模型 | 第42-44页 |
| 3.6.1 AdaRank集成原理 | 第42-43页 |
| 3.6.2 AdaRank优势分析 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第四章 实验及结果分析 | 第45-54页 |
| 4.1 数据集及评价指标 | 第45-47页 |
| 4.1.1 常用数据集概况 | 第45-46页 |
| 4.1.2 评价标准及性能现状 | 第46-47页 |
| 4.2 本实验参数设置及性能分析 | 第47-53页 |
| 4.2.1 LOMO3D特征性能分析 | 第50页 |
| 4.2.2 3D卷积神经网络性能分析 | 第50页 |
| 4.2.3 AdaRank模型性能分析 | 第50-52页 |
| 4.2.4 系统整体性能对比 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-57页 |
| 5.1 成果总结 | 第54-55页 |
| 5.2 研究方向展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录1 | 第61-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
