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:
在智能视频监控场景下,由于摄像机视角、光照条件、姿态的不同,同一行人在不同场景下的外貌出现巨大差异.本文结合深度学习、视觉注意机制、稀疏表示等领域的理论与方法,重点研究视频的视觉特征表示和选择算法以及显著性多特征的融合方法,实现视频数据中视觉特征的多层次、多尺度提取,形成稳定、可靠的视频行人数据处理方法.
推荐文章
基于卷积注意力机制和多损失联合的跨模态行人重识别
跨模态行人重识别
深度学习
卷积注意力机制
多损失联合
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
行人重识别现状与发展趋势研究
行人重识别
人脸识别
人工智能
认知水平
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 基于视觉注意机制的行人重识别技术研究
来源期刊 河南科技 学科 工学
关键词 视频检索 深度学习 特征融合
年,卷(期) 2020,(5) 所属期刊栏目 信息技术
研究方向 页码范围 55-56
页数 2页 分类号 TP391.41
字数 2488字 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 陈胜杰 郑州大学国际学院 1 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  (31)
共引文献  (14)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(10)
  • 参考文献(0)
  • 二级参考文献(10)
2014(8)
  • 参考文献(0)
  • 二级参考文献(8)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
视频检索
深度学习
特征融合
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
河南科技
旬刊
1003-5168
41-1081/T
16开
河南省郑州市
36-175
1976
chi
出版文献量(篇)
31576
总下载数(次)
98
总被引数(次)
44105
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导