声明
致谢
摘要
插图
表格
缩写、符号清单、术语表
1绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1轻量模型设计
1.2.2目标检测
1.2.3行人重识别
1.3研究内容和贡献
1.4章节安排
2基于深度可分离卷积和通道混洗的轻量卷积单元设计
2.1引言
2.2深度可分离卷积计算量分析
2.3基于残差和混洗的深度可分卷积单元
2.3.1基础单元设计
2.3.2下采样单元设计
2.4轻量卷积单元在分类任务中的表现
2.5本章小结
3实时行人检测
3.1引言
3.2实时行人检测算法原理
3.3主干网络及整体模型结构
3.4锚框的尺寸和数量选择
3.4.1 基于以IOU为距离度量的K均值聚类的锚框生成
3.4.2基于平均距离和轮廓系数的聚类中心个数选定
3.4.3按类别聚类及筛选
3.5间隔交叉熵损失
3.6模型训练及验证
3.6.1 在CrowdHuman上的实验结果
3.6.2在Caltech上的实验结果
3.6.3在MOT17Det上的实验结果
3.7本章小结
4行人重识别
4.1引言
4.2行人重识别算法原理
4.3联合检测和识别的模型设计
4.3.1三元组损失
4.3.2 中心损失
4.3.3 ArcFace
4.4可见度评分
4.5模型训练及验证
4.5.1在Market-1501数据集上的结果
4.5.2在DukeMTMC-reID数据集上的结果
4.6本章小结
5基于Nvidia TX2开发板的行人重识别平台设计
5.1引言
5.2 Nvidia TX2开发板性能分析
5.3应用逻辑架构
5.4运行效果演示
5.5本章小结
6总结和展望
6.1总结
6.2展望
参考文献
攻读硕士学位期间取得的成果
浙江大学;