| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 行人再识别 | 第12-15页 |
| 1.2.1 行人再识别概述 | 第12-13页 |
| 1.2.2 行人再识别数据库 | 第13-14页 |
| 1.2.3 评价方法与指标 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-21页 |
| 1.3.1 基于传统方法的行人再识别研究现状 | 第15-18页 |
| 1.3.2 基于深度学习方法的行人再识别研究现状 | 第18页 |
| 1.3.3 基于属性学习的行人再识别研究现状 | 第18-21页 |
| 1.4 问题提出 | 第21-23页 |
| 1.5 本章小结 | 第23-27页 |
| 1.5.1 主要内容 | 第23-24页 |
| 1.5.2 论文的组织结构 | 第24-27页 |
| 第二章 基于行人属性数据先验分布的行人再识别 | 第27-43页 |
| 2.1 引言 | 第27-28页 |
| 2.2 基于行人属性数据先验分布的再识别网络结构 | 第28-31页 |
| 2.2.1 基础网络部分 | 第28-30页 |
| 2.2.2 行人特征向量度量部分 | 第30-31页 |
| 2.3 基于数据先验分布的损失函数设计 | 第31-35页 |
| 2.3.1 基于属性样本数量的损失函数归一化 | 第32-35页 |
| 2.3.2 基于属性正负样本权重调整的损失函数设计 | 第35页 |
| 2.4 实验结果与分析 | 第35-42页 |
| 2.4.1 实验环境和网络参数设置 | 第35-38页 |
| 2.4.2 单个属性识别精度 | 第38-39页 |
| 2.4.3 行人再识别结果 | 第39-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 基于行人属性异质性的行人再识别 | 第43-53页 |
| 3.1 引言 | 第43页 |
| 3.2 基于行人属性异质性的再识别网络整体结构 | 第43-44页 |
| 3.3 异质属性识别网络及损失函数设计 | 第44-46页 |
| 3.3.1 异质属性识别及损失函数计算 | 第44-46页 |
| 3.3.2 网络联合损失函数 | 第46页 |
| 3.4 实验结果与分析 | 第46-51页 |
| 3.4.1 实验环境和网络参数设置 | 第46-48页 |
| 3.4.2 单个属性识别精度 | 第48-49页 |
| 3.4.3 行人再识别结果 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 基于行人属性分级识别的行人再识别 | 第53-67页 |
| 4.1 引言 | 第53-54页 |
| 4.2 注意力模型与网络整体结构 | 第54-58页 |
| 4.2.1 属性分级 | 第55-56页 |
| 4.2.2 属性相关性及识别策略调整 | 第56-58页 |
| 4.3 实验结果与分析 | 第58-62页 |
| 4.3.1 实验环境和网络参数设置 | 第58-60页 |
| 4.3.2 单个属性识别精度 | 第60页 |
| 4.3.3 行人再识别结果 | 第60-62页 |
| 4.4 基于属性学习的行人再识别整体融合框架 | 第62-66页 |
| 4.4.1 框架算法流程 | 第63-64页 |
| 4.4.2 实验环境和网络参数设置 | 第64页 |
| 4.4.3 行人再识别实验结果及分析 | 第64-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 本文工作总结 | 第67页 |
| 5.2 下一步研究工作展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 作者简历 | 第79页 |