基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于检测出的行人图像容易出现错位和深度网络容易出现过拟合现象的问题,使用行人对齐网络和随机擦除数据增强,对行人数据集进行预处理.使图像生成不同程度的遮挡,并通过仿射估计分支中的空间变换网络层将图像中的错位进行修正.裁剪背景大的部分,填补行人图像缺失的部分,从而降低网络过拟合的现象,提高网络泛化能力. Market1501、Duck-MTMC-reID和CUHK03数据集上进行试验,结果表明在rank-1的值达到84%左右.将随机擦除行人对齐网络方法与其他方法进行比较,发现随机擦除行人对齐网络的行人重识别方法的试验结果要好.
推荐文章
基于深度学习的行人重识别研究综述
行人重识别
监督学习
半监督学习
弱监督学习
无监督学习
基于残差网络的特征加权行人重识别研究
残差网络
行人重识别
特征加权
注意力机制
相似性度量
基于改进DNN-LSTM算法的车辆前方行人行为识别方法
行为识别
经验模态分解
深度神经网络
长短时记忆网络
基于跨模态蒸馏的无监督行人重识别算法
计算机视觉
无监督学习
行人重识别
深度学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于随机擦除行人对齐网络的行人重识别方法
来源期刊 山东大学学报(工学版) 学科 工学
关键词 行人重识别 行人对齐网络 数据增强 过拟合 图像错位
年,卷(期) 2018,(6) 所属期刊栏目 机器学习与数据挖掘
研究方向 页码范围 67-73
页数 7页 分类号 TP391
字数 语种 中文
DOI 10.6040/j.issn.1672-3961.0.2018.192
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王洪元 常州大学信息科学与工程学院 77 372 11.0 14.0
2 金翠 常州大学信息科学与工程学院 3 14 2.0 3.0
3 陈首兵 常州大学信息科学与工程学院 4 16 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (5)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (4)
二级引证文献  (0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行人重识别
行人对齐网络
数据增强
过拟合
图像错位
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
山东大学学报(工学版)
双月刊
1672-3961
37-1391/T
大16开
济南市经十路17923号
24-221
1956
chi
出版文献量(篇)
3095
总下载数(次)
14
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导