毕业论文课题相关文献综述
文 献 综 述1.1研究背景意义行人重识别 (Person re-identification)被广泛认为是一个图像检索的子问题, 是利用计算机视觉技术判断图像或者视频中是否存在特定行人的技术,即给定一个监控行人图像来检索跨设备下的该行人图像[22]。
行人重识别技术可以弥补目前固定摄像头的视觉局限, 并可与行人检测、行人跟踪技术相结合, 应用于视频监控、智能安防等领域。
在深度学习技术出现之前, 早期的行人重识别 研究主要集中于如何手工设计更好的视觉特征和如何学习更好的相似度度量。
近几年随着深度学习的发展,深度学习技术在行人重识别任务上得到了广泛的应用。
和传统方法不同, 深度学习方法可以自动提取较好的行人图像特征,同时学习得到较好的相似度度量。
当然深度学习相关的行人重识别方法也经历了一个从简单到复杂的发展过程。
起初研究者主要关注用网络学习单帧图片的全局特征, 根据损失类型的不同可以分为表征学习 (Representation learning) 和度量学习(Metric learning)方法[23]。
而单帧图片的全局特征遇到性能瓶颈之后, 研究者引入局部特征和序列特征进一步发展行人重识别研究。
如何提高行人重识别模型的泛化能力，应对一些常见的行人姿态变化、遮挡、尺度等问题，具有重要的研究价值。
目前在一个数据集训练好的模型在当前的数据集上测试效果较好，但是将其直接应用到另外一个数据集时，模型的表现会出现明显的下降，因此模型在跨数据集时的表现是影响行人重识别泛化能力的一个关键因素，有待深入开展研究。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
