10.3778/j.issn.1002-8331.1804-0027
预训练卷积神经网络模型微调的行人重识别
针对行人重识别中传统的人工提取的行人浅层特征因受摄像机角度、光照等外界环境的影响,鲁棒性不好,收敛速度慢的问题,研究使用预训练卷积神经网络模型在行人数据库上进行微调的方法,对行人图片进行特征提取,从而得到高维的深层行人特征,最后通过欧氏距离进行相似性的度量.实验结果证明,深层的行人特征在平均准确度评估标准上,相比于传统的人工设计特征,分别得到了9.51%、11.12%、16.63%、16.96%的提高,收敛速度也变得更快,说明深层特征的行人识别能力更强.
行人重识别、卷积神经网络、预训练模型、深层特征
54
TP391(计算技术、计算机技术)
国家自然科学基金6111238
2018-11-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
219-222,229