發(fā)布時間：2020-03-31 12:08

【摘要】：因其實用價值與研究價值,行人再識別吸引了大量研究者的興趣。行人再識別技術是從圖像搜索領域獨立出來的一個研究分支。行人再識別技術在追蹤嫌疑人、搜尋失蹤人口、人員行為分析等方面能夠發(fā)揮重要作用,在“平安城市”建設中具有不可或缺的地位,在安防、刑偵、維護公眾安全等方面具有非常重要的社會意義和經(jīng)濟意義。行人屬性特征是人類在識別行人時非常重要的高層語義信息。在智能視頻監(jiān)控中,行人屬性識別起著至關重要的作用,可以方便地對人員進行檢索。在行人再識別任務中,行人屬性識別可以幫助模型尋找到更加精細的特征表達,從而提升行人再識別的性能。探究屬性與行人身份相結合用以提升行人再識別性能的方法,首先,從最簡單的多任務學習方法開始,將行人再識別任務和屬性信息通過最簡單最直接的方式進行結合�；�于多任務學習的方法只考慮了行人屬性與行人身份之間具有相關性,但沒有考慮如何相關和相關程度。觀察發(fā)現(xiàn),不同屬性對行人身份信息的重要性不同�；�于此,進一步提出了一種全新的基于屬性挖掘與推理(AMR)的行人再識別框架,利用圖卷積網(wǎng)絡(GCN)的方式結合屬性信息的行人再識別任務。在該框架中,為了加強屬性特征的表達能力,設計了利用注意力機制的多分支空間通道注意力集成(MBSCAE)模塊提取每個屬性的特征。通過空間注意力和通道注意力兩種方式,MBSCAE模塊既可以將屬性在特征圖上進行定位,又可以有效挖掘與屬性關聯(lián)程度更高的通道特征。此外,空間注意力模型和通道注意力模型都由多組并行的分支集成得到,從而進一步提升網(wǎng)絡性能。最后,利用圖卷積網(wǎng)絡的語義推理和信息傳遞功能,AMR可以實現(xiàn)屬性特征與行人特征之間的關系挖掘和推理,獲得表達能力更強的行人特征。在行人再識別任務常用的DukeMTMC-ReID和Market-1501兩個數(shù)據(jù)庫進行實驗。實驗結果表明,AMR方法在現(xiàn)有的行人再識別方法中處于頂尖水平。將Market-1501數(shù)據(jù)集上訓練的模型,遷移到CUHK03進行實驗。實驗結果表明,AMR方法具有很好的泛化能力。
【圖文】：

中 科 技 大 學 碩 士 學 位 論 文2 理論基礎與相關知識將針對本文中涉及到的理論基礎和行人再識別領域的一些知識括注意力機制、圖卷積網(wǎng)絡以及行人再識別進行實驗時的常用機制，，注意力機制在人工智能領域獲得了非常多的關注，也取得了首先介紹注意力機制的概念和計算機視覺中注意力機制的相關類別的注意力機制。力機制概念

Market1501上取值曲線
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關期刊論文 前10條

1 閆林;張學棟;魏雁天;何建倉;;�？臻g中基于粒計算的粒語義推理[J];模式識別與人工智能;2008年04期

2 徐挺;;語義推理的直值表解法[J];邏輯與語言學習;1990年04期

3 邱德鈞;自然語言的語義推理[J];蘭州大學學報;1995年01期

4 鞠實兒;林淵雷;;基于開放世界假設的三值邏輯的語義推理系統(tǒng)[J];中山大學學報(社會科學版);2008年02期

5 劉文潔;林磊;孫承杰;;基于遷移學習的語義推理網(wǎng)絡[J];智能計算機與應用;2018年06期

6 周江平;李吉軍;;語義推理的影響因素分析[J];長江師范學院學報;2010年03期

7 凌鴻;周江波;胥正川;;基于語義推理的工作流結構驗證方法[J];計算機集成制造系統(tǒng);2006年06期

8 閆林;劉清;龐善起;;基于粒語義推理的粒歸結研究[J];計算機科學;2009年01期

9 李太航;黃倩;趙紅;沈祖梁;;Fuzzy語義推理的自學習算法[J];自動化學報;1984年04期

10 吳士瓏;自然語言的語義推理的一種方法[J];通信學報;1982年02期

相關會議論文 前2條

1 鞠實兒;;基于開放世界假設的三值邏輯的語義推理系統(tǒng)[A];開放類邏輯論文集[C];2004年

2 周必水;李委;;基于本體的web服務發(fā)現(xiàn)的研究[A];浙江省電子學會第七次會員代表大會暨2007學術年會論文集[C];2007年

相關博士學位論文 前2條

1 鄔俊;基于交互式語義推理的圖像檢索算法研究[D];大連海事大學;2010年

2 陳曦;面向大規(guī)模知識圖譜的彈性語義推理方法研究及應用[D];浙江大學;2017年

相關碩士學位論文 前10條

1 蔣軍杰;基于GPS數(shù)據(jù)的位置預測與語義推理[D];上海交通大學;2017年

2 王子揚;基于屬性挖掘和推理的行人再識別[D];華中科技大學;2019年

3 李子祺;支持語義推理的學科知識庫設計與實現(xiàn)[D];北京交通大學;2019年

4 王善永;大規(guī)模并行化語義規(guī)則后向鏈推理技術研究與實現(xiàn)[D];南京大學;2016年

5 李晨瑞;基于語義推理和表示的機器閱讀理解研究[D];華東師范大學;2018年

6 劉文潔;基于深度學習的語義推理技術[D];哈爾濱工業(yè)大學;2018年

7 黃崛;一種基于Spark的語義推理引擎實現(xiàn)及應用[D];浙江大學;2017年

8 張鑫華;基于語義推理的知識相似性與沖突檢測研究[D];上海交通大學;2011年

9 梁守青;支持語義推理的電信業(yè)務執(zhí)行機制的研究與實現(xiàn)[D];北京郵電大學;2007年

10 齊燕;基于語義的知識管理型電子政務的工作流技術研究[D];南昌大學;2007年

本文編號：2609054