| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 行人再识别的研究背景意 | 第11-12页 |
| 1.2 行人再识别的内外研究状 | 第12-14页 |
| 1.3 行人再识别效果评 | 第14页 |
| 1.4 要研究内容和要献 | 第14-15页 |
| 1.5 论文的结构排 | 第15-17页 |
| 第二章 基于Listwise和标签一致性约束的非对投影行人再识别 | 第17-35页 |
| 2.1 引言 | 第17-20页 |
| 2.2 行人再识别的学 | 第20-21页 |
| 2.2.1 别性型的行人再识别学 | 第20-21页 |
| 2.3 采用标签一致性约束赋予可辨别能力 | 第21-23页 |
| 2.3.1 算法优化和求解 | 第21-22页 |
| 2.3.2 由一致性引导辨别性的提升 | 第22-23页 |
| 2.4 算法和优化 | 第23-26页 |
| 2.4.1 系数矩更新 | 第23-24页 |
| 2.4.2 和投影矩更新 | 第24-25页 |
| 2.4.3 类器更新 | 第25-26页 |
| 2.4.4 算法析 | 第26页 |
| 2.5 配机制 | 第26-27页 |
| 2.6 验数据集 | 第27-33页 |
| 2.6.1 方法析 | 第32-33页 |
| 2.7 本章小结 | 第33-35页 |
| 第三章 基于自编码字典学习的行人再识别 | 第35-45页 |
| 3.1 引言 | 第35-36页 |
| 3.2 关于自编码模型 | 第36-37页 |
| 3.2.1 自编码投影模型 | 第36页 |
| 3.2.2 改善的自编码模型 | 第36-37页 |
| 3.3 优化求解学 | 第37-38页 |
| 3.3.1 admm求解H | 第38页 |
| 3.4 用欧式距离配行人 | 第38-39页 |
| 3.5 验和数据集 | 第39-43页 |
| 3.5.1 数据集测试 | 第39-41页 |
| 3.5.2 视频序的数据集 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于卷特征和嵌入约束层的行人再识别 | 第45-53页 |
| 4.1 引言 | 第45-46页 |
| 4.2 行人再识别相关的深度学 | 第46-47页 |
| 4.2.1 卷网络结构 | 第46-47页 |
| 4.3 损失函数 | 第47页 |
| 4.4 的视角束层模型 | 第47-49页 |
| 4.4.1 损失函数 | 第47-48页 |
| 4.4.2 嵌入束层 | 第48-49页 |
| 4.5 实验结果及分析 | 第49-51页 |
| 4.5.1 数据拓展 | 第49页 |
| 4.5.2 数据集 | 第49-50页 |
| 4.5.3 模型 | 第50-51页 |
| 4.5.4 模型测试 | 第51页 |
| 4.6 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 问题与展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-69页 |
| 附录A 攻读硕士学位期间发表的论文、专利及软著 | 第69页 |