隨著計算機(jī)信息技術(shù)的發(fā)展,智能安防領(lǐng)域的相關(guān)技術(shù)也得到了很大的進(jìn)步。在智能監(jiān)控系統(tǒng)中,行人再識別算法受到廣大科研人員和科研機(jī)構(gòu)的密切關(guān)注。但是,行人再識別技術(shù)在現(xiàn)實場景應(yīng)用的過程中面臨著一些挑戰(zhàn)。雖然基于有監(jiān)督學(xué)習(xí)的行人再識別技術(shù)得到了巨大的提升,但是使用有監(jiān)督學(xué)習(xí)的方法進(jìn)行模型訓(xùn)練需要大量已標(biāo)記的數(shù)據(jù),這增加了人工成本和時間成本。由于在現(xiàn)實場景中直接獲得的行人圖像是無標(biāo)簽的,所以直接基于無標(biāo)簽數(shù)據(jù)進(jìn)行訓(xùn)練的無監(jiān)督行人再識別技術(shù)更具有實際應(yīng)用價值。本文主要研究無監(jiān)督行人再識別問題,主要研究內(nèi)容如下:1.針對在無監(jiān)督跨域行人識別中行人特征相似性匹配準(zhǔn)確度較低的問題,本文提出區(qū)域特征交互機(jī)制,在區(qū)域特征中加入其他區(qū)域特征信息,增強(qiáng)區(qū)域特征的交互性。同時,由于不同數(shù)據(jù)集的數(shù)據(jù)分布不同,在源域上訓(xùn)練的模型直接應(yīng)用到目標(biāo)域時模型的識別性能會明顯下降。為此,本文提出自注意力加權(quán)機(jī)制,關(guān)注于行人特征,并學(xué)習(xí)不同域之間的行人相似性。最終模型在Market-1501數(shù)據(jù)集上Rank-1達(dá)到了84.2%,m AP達(dá)到了62.4%。2.針對背景區(qū)域信息會降低無監(jiān)督聚類效果,本文提出了不同區(qū)域多樣性約束機(jī)制。...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 課題研究的背景及意義
    1.3 行人再識別的研究現(xiàn)狀
    1.4 行人再識別面臨的挑戰(zhàn)
    1.5 本文的主要工作及創(chuàng)新點
第二章 行人再識別技術(shù)概述
    2.1 引言
    2.2 基于傳統(tǒng)方法的行人再識別
    2.3 基于深度學(xué)習(xí)的行人再識別
        2.3.1 有監(jiān)督行人再識別
        2.3.2 基于無監(jiān)督跨域的行人再識別
        2.3.3 基于半監(jiān)督的行人再識別
    2.4 總結(jié)
第三章 基于區(qū)域特征交互的無監(jiān)督域自適應(yīng)的行人再識別
    3.1 引言
    3.2 基于區(qū)域特征交互機(jī)制的無監(jiān)督跨域行人再識別方法
        3.2.1 有監(jiān)督源域預(yù)訓(xùn)練
        3.2.2 基于區(qū)域特征交互機(jī)制無監(jiān)督學(xué)習(xí)
        3.2.3 自注意力加權(quán)機(jī)制
        3.2.4 區(qū)域特征交互機(jī)制
        3.2.5 損失函數(shù)
    3.3 公共數(shù)據(jù)集及評價標(biāo)準(zhǔn)
        3.3.1 Market-1501 數(shù)據(jù)集
        3.3.2 Duke MTMC-Re ID數(shù)據(jù)集
        3.3.3 MSMT17 行人數(shù)據(jù)集
        3.3.4 行人再識別算法性能評價標(biāo)準(zhǔn)
    3.4 相關(guān)實驗和結(jié)果分析
        3.4.1 實驗細(xì)節(jié)
        3.4.2 在Market-1501 數(shù)據(jù)集上的對比實驗結(jié)果
        3.4.3 在Duke MTMC-Re ID數(shù)據(jù)集上的對比實驗結(jié)果
        3.4.4 各模塊消融實驗
    3.5 本章小結(jié)
第四章 基于不同區(qū)域多樣性約束的無監(jiān)督跨域行人再識別
    4.1 引言
    4.2 不同區(qū)域多樣性約束的無監(jiān)督跨域行人再識別方法
        4.2.1 有監(jiān)督預(yù)訓(xùn)練
        4.2.2 不同區(qū)域多樣性約束機(jī)制
        4.2.3 多粒度特征自適應(yīng)融合機(jī)制
        4.2.4 損失函數(shù)
    4.3 相關(guān)實驗和結(jié)果分析
        4.3.1 實驗細(xì)節(jié)
        4.3.2 在Market-1501 數(shù)據(jù)集上的實驗結(jié)果
        4.3.3 在Duke MTMC-Re ID數(shù)據(jù)集上的對比實驗結(jié)果
        4.3.4 本章算法在MSMT17 數(shù)據(jù)集上的測試結(jié)果
        4.3.5 各模塊消融實驗
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況



本文編號：3804010