基于深度学习的跨模态行人重识别研究

目录

声明

第一章绪 论

1.1研究背景和意义

1.2国内外研究现状

1.2.1单模态行人重识别研究现状

1.2.2跨模态行人重识别研究现状

1.3实验数据集和评测指标

1.3.1跨模态行人重识别数据集

1.3.2评测指标

1.4本文组织架构

1.5本章小结

第二章相关技术介绍

2.1人工神经网络

2.1.1 M-P神经元模型

2.1.2多层感知机

2.1.3反向传播算法

2.2卷积神经函数

2.2.1卷积层

2.2.2激活层

2.2.3池化层

2.2.4全连接层

2.3行人重识别方法

2.3.1基于全局特征的Re-ID方法

2.3.2基于局部特征的Re-ID方法

2.3.3基于视频序列的Re-ID方法

2.4本章小结

第三章基于困难五元组的特征提取框架的设计

3.1特征提取框架的设计

3.1.1改造单模态行人重识别网络

3.1.2困难五元组损失函数

3.1.3级联身份损失

3.2实验与分析

3.2.1实验设置与环境

3.2.2实验对比

3.2.3分析级联损失函数的作用

3.2.4卷积特征可视化

3.3本章小结

第四章 基于多粒度特征的双通道网络的设计

4.1双通道网络结构设计

4.1.1多粒度特征模块

4.1.2损失函数模块

4.2实验与分析

4.2.1实验设置

4.2.2实验结果

4.2.3排序结果可视化

4.3本章小结

第五章基于梯度协调机制的身份损失函数的设计

5.1引言

5.2梯度协调机制

5.3实验与分析

5.3.1梯度模长可视化

5.3.2实验对比

5.4本章小结

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢

作者简介

1作者简历

2攻读硕士学位期间发表的学术论文

3参与的科研项目及获奖情况

4发明专利

学位论文数据集