........................
第五章 总结和展望
5.1 全文工作总结
本文针对行人重识别问题展开了研究,利用深度学习算法实现准确、快速识别行人。本文基于有监督和无监督两大行人重识别问题展开了研究。在有监督行人重识别中,本文探究了提取以及融合行人图像的全局特征和局部特征的网络结构设计。在无监督行人重识别中,本文着重探究从整张图像和图片的局部细节中学习区分性特征的深度学习方法。本文的主要研究工作总结如下。
在对有监督行人重识别方法的研究中:
(1)研究了目前利用深度学习网络模型提取行人特征的算法,分析了局部特征和全局特征对于行人重识别任务的重要性;
(2)根据行人图像中行人的躯干结构,提出了水平分割行人图像方法,并结合卷积神经网络逐层细化提取特征的特点,提出了 PMN 网络结构,以便从网络的不同深度提取局部特征;
(3)全局特征能够帮助网络利用行人图像的整体特征图来分类行人,在此基础上提出了 GLB 网络,以便结合局部特征和全局特征来进行行人重识别;
(4)将 PMN 网络和 GLB 网络组合成 MFF 网络,利用相应的多分类损失函数分类判别行人;
(5)通过在三个大型行人重识别数据集上进行实验,验证了多层次特征融合网络模型在有监督行人重识别上的性能优势。
参考文献(略)