基于MVBI哈希算法的车辆再识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 车辆再识别的发展现状 | 第11-12页 |
| 1.3 论文的主要内容与贡献 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第二章 哈希算法及车辆再识别相关数据集介绍 | 第15-23页 |
| 2.1 单模态哈希算法 | 第15-18页 |
| 2.2 跨模态哈希算法 | 第18-20页 |
| 2.3 车辆再识别数据集介绍 | 第20-22页 |
| 2.3.1 Compcars数据集 | 第20-22页 |
| 2.3.2 VeRi数据集 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 车辆特征描述方法研究 | 第23-40页 |
| 3.1 常见车辆特征描述方法简介 | 第23-31页 |
| 3.1.1 尺度不变特征 | 第23-26页 |
| 3.1.2 HSV颜色直方图特征 | 第26-27页 |
| 3.1.3 方向梯度直方图特征 | 第27-29页 |
| 3.1.4 深度学习特征 | 第29-31页 |
| 3.2 基于PCA和CCA的特征融合降维方法研究 | 第31-36页 |
| 3.2.1 特征融合概述 | 第31页 |
| 3.2.2 CCA特征融合 | 第31-33页 |
| 3.2.3 PCA特征降维 | 第33-36页 |
| 3.3 实验验证和结果分析 | 第36-39页 |
| 3.3.1 实验框架的搭建 | 第36-37页 |
| 3.3.2 实验结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于哈希的多视图车辆再识别算法研究 | 第40-59页 |
| 4.1 多视图的哈希算法描述 | 第40-41页 |
| 4.2 MVBI哈希算法框架研究 | 第41-45页 |
| 4.2.1 符号表示与问题描述 | 第42-43页 |
| 4.2.2 最小化类内距 | 第43-44页 |
| 4.2.3 最大化类间距 | 第44页 |
| 4.2.4 最小化最大均值差异 | 第44-45页 |
| 4.3 多视图二进制识别算法 | 第45-50页 |
| 4.3.1 学习MVBI哈希函数 | 第47-49页 |
| 4.3.2 车辆再识别算法的实现 | 第49-50页 |
| 4.4 实验和结果分析 | 第50-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
