声明
致谢
摘要
图目录
表目录
1绪论
1．1研究背景及意义
1．2行人重识别系统整体框架
1．3存在的主要问题与挑战
1．4数据集与评价指标
1．4．1常用数据集介绍
1．4．2主要性能评价指标
1．5本文的主要研究内容与贡献
1．6本文的结构安排
2行人重识别国内外研究现状
2．1概述
2．2基于表征学习的方法
2．2．1利用全局特征
2．2．2利用局部特征
2．2．3利用辅助训练任务
2．3基于度量学习的方法
2．4其它行人重识别方法
2．4．1基于视频的行人重识别方法
2．4．2优化排序列表
3基于空间和通道并行的全身人与局部人联合重识别
3．1 引言
3．2整体网络结构设计
3．3空间和通道并行监督损失函数
3．4实验结果与分析
3．4．1全身人与局部人重识别数据集
3．4．2实验设置
3．4．3消融实验分析与相关讨论
3．4．4全身人重识别算法结果对比
3．4．5局部人重识别算法_结果对比
3．5本章小结
4基于特征空间中超球面映射的行人重识别
4．1引言
4．2交叉熵损失与球面映射损失
4．3学习事预热策略
4．4超球面网络整体结构
4．5实验结果与分析
4．5．1 实验设置
4．5．2消融实验分析与相关讨论
4．5．3跨摄像头行人重识别算法结果对比
4．6本章小节
5可见光图像与红外图像间的跨模态行人重识别
5．1红外跨模态行人重识别介绍与相关算法
5．2 基于跨频谱双子空间匹配的红外跨模态行人重识别方法
5．2．1 引言
5．2．2跨频谱图像生成
5．2．3双子空间匹配策略
5．2．4整体网络结构设计
5．2．5动态难频谱挖掘方法
5．2．6实验结果与相关分析
5．2．7方法小结
5．3基于模态迁移与双层级一致表示的红外跨模态行人重识别方法
5．3．1引言
5．3．2 网络整体结构设计
5．3．3模态迁移生成网络
5．3．4图像区块融合策略
5．3．5层次粒度三元损失函数
5．3．6实验结果与相关分析
5．3．7方法小结
5．4本章小结
6基于实例难样本挖掘损失的视频内行人重识别
6．1引言
6．2行人重识别头部网络
6．3实例难样本挖掘损失
6．4无监督的视频内行人重识别
6．5实验结果与分析
6．5．1 跨摄像头数据集与视频内数据集
6．5．2实验设置
6．5．3跨摄像头行人重识别算法结果对比
6．5．4视频内行人重识别算法结果对比
6．5．5无监督的视频内行人重识别算法结果对比
6．6本章小结
7总结与展望
7．1本文工作总结
7．2未来工作展望
参考文献
作者简历
攻读博士学位期间主要的研究成果
浙江大学;
