【摘要】：社會(huì)安全如今越來(lái)越受到人們的重視,攝像頭作為維護(hù)社會(huì)治安的重要工具已經(jīng)遍布在我們周圍。行人再識(shí)別就是基于攝像頭發(fā)展而來(lái)的一門研究技術(shù),即在不同攝像頭拍攝的畫面中找出同一個(gè)人。行人再識(shí)別主要應(yīng)用于刑事偵查,尋找走丟的老人、小孩,甚至可以在商場(chǎng)中對(duì)人們的購(gòu)物行為進(jìn)行分析。本文的工作拋棄在海量監(jiān)控視頻中進(jìn)行查找的人工過(guò)程,采用了端到端的深度學(xué)習(xí)過(guò)程,省去了大量的時(shí)間和精力。本文通過(guò)研究一些經(jīng)典的行人再識(shí)別技術(shù),在深度神經(jīng)網(wǎng)絡(luò)上進(jìn)行以下三點(diǎn)改進(jìn):(1)在數(shù)據(jù)處理階段,運(yùn)用了一種新的數(shù)據(jù)增強(qiáng)技術(shù)。不同于在圖像中進(jìn)行裁剪、平移等傳統(tǒng)數(shù)據(jù)增強(qiáng)技術(shù),本文采用了在圖像中進(jìn)行隨機(jī)遮擋的方法,無(wú)論是在圖片中的位置還是遮擋位置的大小均為隨機(jī)。該方法不僅可以減少過(guò)擬合現(xiàn)象,也能更好地模擬出目標(biāo)被遮擋的情況,增強(qiáng)網(wǎng)絡(luò)的泛化能力。(2)在網(wǎng)絡(luò)訓(xùn)練階段,本文對(duì)第一個(gè)全連接層進(jìn)行了去相關(guān)的操作。全連接層權(quán)重向量的相關(guān)性對(duì)模型的性能存在影響,本文對(duì)這些權(quán)重矩陣進(jìn)行了奇異值矩陣分解操作,然后使用一個(gè)左酉矩陣和一個(gè)奇異值矩陣來(lái)代替原矩陣,但是這樣無(wú)法直接提高網(wǎng)絡(luò)的性能,本文還采取了一種先固定正交層參數(shù)訓(xùn)練然后整體訓(xùn)練的松緊迭代訓(xùn)練方法。(3)在網(wǎng)絡(luò)的測(cè)試階段,本文采用了互k重排序的方法。在基于歐式距離的初始排序中,往往包含了錯(cuò)誤匹配,本文在初始排序的基礎(chǔ)上采用了更嚴(yán)格的重排序方法——兩張圖片必須在彼此排序的前k個(gè)圖片中。為了方便計(jì)算,本文將互k特征編碼為向量形式,并賦予了不同的圖片以不同的權(quán)重值。本文的工作在Market-1501和CUHK03數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),取得了不錯(cuò)的效果。在Market-1501數(shù)據(jù)集上將Rank-1準(zhǔn)確率提高至86.75%,將mAP提高至80.44%;在CUHK03數(shù)據(jù)集上將Rank-1準(zhǔn)確率提高至49.23%,將mAP提高至50.54%。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：D918;TP391.41;TP183
【圖文】：

卷積運(yùn)算

sigmoid函數(shù)及其梯度

ReLU函數(shù)及其梯度曲線

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 劉高宇;;深度神經(jīng)網(wǎng)絡(luò)在煤質(zhì)數(shù)據(jù)分析與預(yù)測(cè)中的應(yīng)用[J];電腦知識(shí)與技術(shù);2019年28期

3 馮偉業(yè);廖可非;歐陽(yáng)繕;牛耀;;基于膠囊神經(jīng)網(wǎng)絡(luò)的合成孔徑雷達(dá)圖像分類方法[J];科學(xué)技術(shù)與工程;2019年28期

4 溫贊揚(yáng);;基于群智優(yōu)化神經(jīng)網(wǎng)絡(luò)的音樂(lè)風(fēng)格分類模型研究[J];現(xiàn)代電子技術(shù);2019年21期

5 鄭麗;;建筑設(shè)計(jì)中神經(jīng)網(wǎng)絡(luò)技術(shù)與遺傳算法探究[J];湖北農(nóng)機(jī)化;2019年21期

6 易煒;何嘉;鄒茂揚(yáng);;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的對(duì)話系統(tǒng)記憶機(jī)制[J];計(jì)算機(jī)工程與設(shè)計(jì);2019年11期

7 黃為;李永剛;胡上成;汪毅;;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的船搖數(shù)據(jù)實(shí)時(shí)預(yù)測(cè)[J];科學(xué)技術(shù)與工程;2019年31期

8 賴策;魏小琴;;卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式研究[J];信息與電腦(理論版);2019年22期

9 周濟(jì)民;;基于神經(jīng)網(wǎng)絡(luò)改進(jìn)的元胞自動(dòng)機(jī)分析——美國(guó)阿片類藥物濫用情況[J];信息系統(tǒng)工程;2019年11期

10 馬猛;王明紅;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測(cè)[J];輕工機(jī)械;2019年06期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2751446