行人重識別(Person Re-Identification,ReID)是利用計算機視覺技術判斷不同監(jiān)控攝設備拍攝到的行人是否屬于同一行人的技術,在智能安防、刑偵檢測等領域具有良好的應用前景。近年來,以深度卷積網(wǎng)為代表的深度學習方法在計算機視覺領域取得了突破性成果,但深度學習往往需要大量的訓練數(shù)據(jù)。遷移學習(Transfer Learning)的目的是利用已有的知識和經(jīng)驗來解決不同但相關領域的新任務。針對實際中只有少量用于行人重識別標簽數(shù)據(jù)的情況,本文在深度卷積網(wǎng)基礎上,研究如何運用遷移學習技術實現(xiàn)行人重識別。主要工作如下:1.構建了小規(guī)模行人重識別數(shù)據(jù)集。其中包含1613幅圖像,5647個標注的行人框,共572個身份。該數(shù)據(jù)集采用手持攝像頭通過輾轉(zhuǎn)多個場景收集得到,在圖像采集過程中盡可能多地包括視點、光照、分辨率、遮擋和背景的變化,以便反映實際應用場景并增加場景多樣性,適用于本文對小規(guī)模數(shù)據(jù)集下行人重識別問題的研究。2.設計并實現(xiàn)了基于深度卷積網(wǎng)絡微調(diào)的行人重識別。在基于改進的深度卷積網(wǎng)絡ResNet50的基礎上采用雙步微調(diào)的遷移學習方法。該方法利用大規(guī)模重識別數(shù)據(jù)集對ImageNet...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

大連交通大學全日制專業(yè)碩士學位論文???＿?■??圖１．１行人重識別示意圖??Ｆｉｇ．?１．１?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｏｆ?ｐｅｒｓｏｎ?ｒｅ－ｉｄｅｎｔｉｆｉｃａｔｉｏｎ??行人重識別的前提是己經(jīng)得到行人樣本，這就涉及到監(jiān)控系統(tǒng)中另外一個重要的研??宄領域行人檢測（Ｐｅｄ....

ＰＭ檢測器檢測得到的，并且提供了?２７９３個檢測錯誤的矩形框。??ＶＩＰｅＲ數(shù)據(jù)集中有６３２個行人的１２６４張圖像，每個行人有兩張圖像，采集自攝像??頭ａ和攝像頭ｂ。圖像尺寸為１２８ｘ４８，它還提供每個圖像的視點角度。雖然它已經(jīng)過許??多研宄人員的測試，但它仍然是最具挑戰(zhàn)性的數(shù)據(jù)....

?大連交通大學全日制專業(yè)碩士學位論文???圖１．５?ＯＵＲＳ?１數(shù)據(jù)集的行人示例??Ｆｉｇ．?１．５?Ｔｈｅ?ｐｅｄｅｓｔｒｉａｎ?ｅｘａｍｐｌｅｓ?ｏｆ?０ＵＲＳ１?ｄａｔａｓｅｔ??１．５本文的主要工作及內(nèi)容安排??本文針對實際中只有少量用于行人重識別標簽數(shù)據(jù)的情況，在深度卷....

?大連交通大學全日制專業(yè)碩士學位論文???空間就可以分別表示為Ｆｊ〇Ｆｓ。則任務可以表示為Ｔ?＝?｛Ａ／Ｇ｝。??有了上面領域和任務的定義，就可以對遷移學習進行形式化［２９］。??遷移學習（Ｔｒａｎｓｆｅｒ?Ｌｅａｒｎｉｎｇ）：給定一個有標記的源，當出現(xiàn)一個??新的任務７；以及目....

本文編號：4009241