作者:
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:
视频监控网络发展速度不断加快,视频样本呈现系统化、复杂化、海量化发展趋势.行人重识别作为非重叠视角域多摄像头网络下的行人图像匹配技术,可以判断不同定位摄像头在不同时刻拍摄行人目标的一致性.笔者主要研究基于度量学习和深度学习的行人重识别技术,希望能够进一步有效促进我国网络视频监控的规范化和现代化发展.
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
基于核学习和距离相似度量的行人再识别
行人再识别
测度学习
核学习
基于深度学习的行人重识别研究进展
行人重识别
深度学习
计算机视觉
卷积神经网络
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
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 基于度量学习和深度学习的行人重识别研究
来源期刊 信息与电脑 学科 工学
关键词 度量学习 深度学习 行人重识别技术研究
年,卷(期) 2019,(15) 所属期刊栏目 人工智能与识别技术
研究方向 页码范围 131-132
页数 2页 分类号 TP391.41
字数 语种 中文
DOI
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 朱婷婷 5 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (12)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(7)
  • 参考文献(0)
  • 二级参考文献(7)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(6)
  • 参考文献(0)
  • 二级参考文献(6)
2016(8)
  • 参考文献(1)
  • 二级参考文献(7)
2017(5)
  • 参考文献(1)
  • 二级参考文献(4)
2018(4)
  • 参考文献(3)
  • 二级参考文献(1)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
度量学习
深度学习
行人重识别技术研究
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
信息与电脑
半月刊
1003-9767
11-2697/TP
北京市东城区北河沿大街79号
chi
出版文献量(篇)
16624
总下载数(次)
72
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导