行人再识别的迁移学习算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 研究难点及本文工作 | 第11-13页 |
| 1.4 论文的章节安排 | 第13-14页 |
| 2 行人再识别的迁移学习相关理论 | 第14-30页 |
| 2.1 迁移学习 | 第14-16页 |
| 2.2.1 迁移学习概述 | 第14-15页 |
| 2.2.2 同构迁移学习 | 第15-16页 |
| 2.2.3 本文方法 | 第16页 |
| 2.2 行人再识别网络模型 | 第16-21页 |
| 2.3 风格迁移网络SPGAN | 第21-26页 |
| 2.3.1 生成对抗网络(GAN) | 第21-23页 |
| 2.3.2 CycleGAN | 第23-25页 |
| 2.3.3 SPGAN | 第25-26页 |
| 2.4 评价数据集及性能评价指标 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于语义分割约束的迁移学习方法 | 第30-44页 |
| 3.1 掩膜图像的生成 | 第30-32页 |
| 3.2 语义分割约束的网络结构 | 第32-34页 |
| 3.3 实验结果与分析 | 第34-43页 |
| 3.3.1 实验参数 | 第34页 |
| 3.3.2 MSPGAN迁移学习效果 | 第34-39页 |
| 3.3.3 目标域身份约束损失函数选取 | 第39页 |
| 3.3.4 不同参数对于网络性能的影响 | 第39-41页 |
| 3.3.5 结果分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于局部特征的迁移学习方法 | 第44-54页 |
| 4.1 局部特征网络结构 | 第44-48页 |
| 4.1.1 基于局部特征行人图像分割 | 第44-46页 |
| 4.1.2 局部特征网络 | 第46-48页 |
| 4.2 实验结果与分析 | 第48-53页 |
| 4.2.1 实验参数 | 第48页 |
| 4.2.2 局部特征迁移学习效果 | 第48-52页 |
| 4.2.3 不同分块对迁移效果的影响 | 第52-53页 |
| 4.2.4 结果分析 | 第53页 |
| 4.3 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间主要研究成果 | 第62页 |
