声明
1 绪论
1.1 研究背景与意义
1.2 行人再识别难点分析
1.3 国内外研究现状
1.3.1 行人再识别研究现状
1.3.2 深度学习研究现状
1.4 主要研究内容
1.5 组织结构
2 卷积神经网络相关理论
2.1 网络结构
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.2 激活函数
2.3 正则化方法
2.4 训练过程
2.4.1 反向传播算法
2.4.2 梯度下降算法
2.5 本章小结
3 嵌套池化三元组卷积神经网络的行人再识别
3.1 网络模型
3.1.1 残差网络
3.1.2 全局特征提取过程
3.1.3 局部特征提取及相似性距离计算
3.2 三元组损失函数
3.2.1 三元组损失函数的提出过程
3.2.2 难样本挖掘策略
3.2.3 改进的三元组损失函数
3.3 间接度量
3.3.1 k相互最近邻重排
3.3.2 置信度测量机制
3.4 评价指标
3.5 本章小结
4 实验及结果分析
4.1 实验数据集
4.2 实验环境
4.3 模型性能分析
4.3.1 不同非理想自然条件下的检测效果
4.3.2 不同模型的检测性能对比
4.4 池化方法的性能分析
4.4.1 不同池化方法对旋转、尺度变化的鲁棒性分析
4.4.2 不同嵌套池化顺序的影响分析
4.4.3 置信度测量机制的影响分析
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读学位期间主要研究成果
西安理工大学;