融合高斯与语义特征的行人重识别技术
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题的研究背景和意义 | 第7-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 本文的相关研究工作 | 第13-19页 |
| 2.1 研究方法 | 第13-17页 |
| 2.1.1 图像特征提取 | 第13-16页 |
| 2.1.2 距离度量学习 | 第16-17页 |
| 2.2 研究难点 | 第17-19页 |
| 第3章 基于行人重识别的融合模型 | 第19-39页 |
| 3.1 研究背景 | 第19-21页 |
| 3.2 算法框架 | 第21-29页 |
| 3.2.1 深度网络分支结构 | 第22-23页 |
| 3.2.2 传统分支结构 | 第23-24页 |
| 3.2.3 融合策略 | 第24-26页 |
| 3.2.4 重排列方法 | 第26-29页 |
| 3.3 实验与分析 | 第29-38页 |
| 3.3.1 Market1501数据集 | 第29-36页 |
| 3.3.2 VIPeR数据集 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 融合模型的扩展应用 | 第39-47页 |
| 4.1 研究背景 | 第39-40页 |
| 4.2 算法框架 | 第40-42页 |
| 4.2.1 行人校准PAN网络 | 第40-42页 |
| 4.3 实验与分析 | 第42-43页 |
| 4.3.1 数据集 | 第42页 |
| 4.3.2 实验结果 | 第42-43页 |
| 4.4 本章小结 | 第43-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |
