基于深度迁移学习的行人重识别技术研究与实现

发布时间：2024-11-02 07:31

　　行人重识别(Person Re-Identification,ReID)是利用计算机视觉技术判断不同监控摄设备拍摄到的行人是否属于同一行人的技术,在智能安防、刑侦检测等领域具有良好的应用前景。近年来,以深度卷积网为代表的深度学习方法在计算机视觉领域取得了突破性成果,但深度学习往往需要大量的训练数据。迁移学习(Transfer Learning)的目的是利用已有的知识和经验来解决不同但相关领域的新任务。针对实际中只有少量用于行人重识别标签数据的情况,本文在深度卷积网基础上,研究如何运用迁移学习技术实现行人重识别。主要工作如下:1.构建了小规模行人重识别数据集。其中包含1613幅图像,5647个标注的行人框,共572个身份。该数据集采用手持摄像头通过辗转多个场景收集得到,在图像采集过程中尽可能多地包括视点、光照、分辨率、遮挡和背景的变化,以便反映实际应用场景并增加场景多样性,适用于本文对小规模数据集下行人重识别问题的研究。2.设计并实现了基于深度卷积网络微调的行人重识别。在基于改进的深度卷积网络ResNet50的基础上采用双步微调的迁移学习方法。该方法利用大规模重识别数据集对ImageNet...

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

大连交通大学全日制专业硕士学位论文???＿?■??图１．１行人重识别示意图??Ｆｉｇ．?１．１?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｏｆ?ｐｅｒｓｏｎ?ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ??行人重识别的前提是己经得到行人样本，这就涉及到监控系统中另外一个重要的研??宄领域行人检测（Ｐｅｄ....

ＰＭ检测器检测得到的，并且提供了?２７９３个检测错误的矩形框。??ＶＩＰｅＲ数据集中有６３２个行人的１２６４张图像，每个行人有两张图像，采集自摄像??头ａ和摄像头ｂ。图像尺寸为１２８ｘ４８，它还提供每个图像的视点角度。虽然它已经过许??多研宄人员的测试，但它仍然是最具挑战性的数据....

?大连交通大学全日制专业硕士学位论文???图１．５?ＯＵＲＳ?１数据集的行人示例??Ｆｉｇ．?１．５?Ｔｈｅ?ｐｅｄｅｓｔｒｉａｎ?ｅｘａｍｐｌｅｓ?ｏｆ?０ＵＲＳ１?ｄａｔａｓｅｔ??１．５本文的主要工作及内容安排??本文针对实际中只有少量用于行人重识别标签数据的情况，在深度卷....

?大连交通大学全日制专业硕士学位论文???空间就可以分别表示为Ｆｊ〇Ｆｓ。则任务可以表示为Ｔ?＝?｛Ａ／Ｇ｝。??有了上面领域和任务的定义，就可以对迁移学习进行形式化［２９］。??迁移学习（Ｔｒａｎｓｆｅｒ?Ｌｅａｒｎｉｎｇ）：给定一个有标记的源，当出现一个??新的任务７；以及目....

本文编号：4009241