|
|
|
|
基于词袋模型与行人属性的行人再识别算法 |
| |
| 论文目录 |
| |
| 摘要 | 第4-5页 | | Abstract | 第5-6页 | | 1 绪论 | 第9-12页 | | 1.1 研究背景 | 第9-10页 | | 1.2 研究意义 | 第10页 | | 1.3 论文研究内容与技术路线 | 第10-12页 | | 2 行人再识别的相关文献综述 | 第12-21页 | | 2.1 行人再识别研究概况 | 第12-14页 | | 2.2 行人再识别研究方法综述 | 第14-21页 | | 2.2.1 基于特征设计的方法 | 第14-17页 | | 2.2.2 基于度量学习的方法 | 第17-18页 | | 2.2.3 基于行人语义属性特征的方法 | 第18-21页 | | 3 基于词袋模型和多特征匹配结果综合排序的行人再识别算法 | 第21-31页 | | 3.1 算法总体框架 | 第21-22页 | | 3.2 基于先验知识的相似度计算公式的改进 | 第22-23页 | | 3.3 基于多特征匹配结果的综合排序方法 | 第23-25页 | | 3.4 实验与结果分析 | 第25-31页 | | 3.4.1 数据集和准确率评价准则 | 第25-26页 | | 3.4.2 Market-1501数据集的实验结果 | 第26-28页 | | 3.4.3 VIPeR数据集实验结果 | 第28-31页 | | 4 基于语义属性的行人再识别算法 | 第31-46页 | | 4.1 行人语义属性预测 | 第31-35页 | | 4.1.1 语义属性特征表达 | 第32-33页 | | 4.1.2 基于SVM的属性预测分类器 | 第33-35页 | | 4.2 基于属性间关系的语义属性预测结果修正 | 第35-38页 | | 4.2.1 行人语义属性间关系 | 第35-36页 | | 4.2.2 语义属性特征在Zero-shot情景中的应用 | 第36-38页 | | 4.3 基于语义属性特征和度量学习模型的相似度计算 | 第38-40页 | | 4.4 实验与结果分析 | 第40-46页 | | 4.4.1 语义属性预测准确率 | 第40-41页 | | 4.4.2 数据集和准确率评价准则 | 第41-42页 | | 4.4.3 实验结果与分析 | 第42-46页 | | 结论 | 第46-47页 | | 参考文献 | 第47-52页 | | 攻读硕士学位期间发表学术论文情况 | 第52-53页 | | 致谢 | 第53-54页 |
|
|
|
|
论文编号BS3369059，这篇论文共54页
会员购买按0.35元/页下载，共需支付18.9元。 直接购买按0.5元/页下载，共需要支付27元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务