基于特征融合与度量学习的行人再识别
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 引言 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 问题定义 | 第8-9页 |
| 1.3 研究意义 | 第9-10页 |
| 1.4 研究困难与挑战 | 第10-11页 |
| 1.5 本文主要内容 | 第11-12页 |
| 第2章 行人再识别相关工作 | 第12-21页 |
| 2.1 行人再识别的基本框架 | 第12-13页 |
| 2.2 行人再识别的常用公开数据集 | 第13-16页 |
| 2.3 特征抽取的相关工作 | 第16-18页 |
| 2.4 相似度计算的相关工作 | 第18-19页 |
| 2.5 其他相关工作 | 第19页 |
| 2.6 本章小结 | 第19-21页 |
| 第3章 特征抽取与融合 | 第21-33页 |
| 3.1 预处理 | 第21-25页 |
| 3.1.1 行人分割 | 第21-22页 |
| 3.1.2 行人部件划分 | 第22-25页 |
| 3.2 数据集构建 | 第25-27页 |
| 3.3 颜色特征抽取 | 第27-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 度量学习与相似度计算 | 第33-41页 |
| 4.1 直接度量 | 第33-35页 |
| 4.2 基于度量学习的相似度计算 | 第35-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 基于特征融合和度量学习的行人再识别 | 第41-55页 |
| 5.1 算法流程 | 第41-44页 |
| 5.1.1 预处理 | 第42页 |
| 5.1.2 特征表达 | 第42-44页 |
| 5.1.3 行人匹配 | 第44页 |
| 5.2 实验结果 | 第44-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65页 |
