典型文献
基于深度学习的行人重识别算法框架研究
文献摘要：
为了进一步推动行人重识别算法性能的提升,文章基于"reid-strong-baseline"对行人重识别框架进行研究,从多个维度进行Baseline性能的提升.首先通过试验三种loss:Softmax、triplet hard和Softmax+triplet hard,验证使用三种loss得到的Rank-1表现,其次,以最佳loss得到的原型网络基础上在数据增强、学习率、采样方法等方面进行优化,研究这些优化对于Baseline模型性能的有效性及能够提升的程度,并以此在经过优化的原型网络上得到一个强大的baseline.最后,文章通过对行人重识别Backbone的扩展,研究不同的Backbone及网络深度对行人重识别性能的影响.
文献关键词：
深度学习;行人重识别;loss;baseline;softmax
中图分类号：
作者姓名：
王华伟;郭一晶
作者机构：
厦门大学嘉庚学院信息科学与技术学院,福建漳州363105
文献出处：
引用格式：
[1]王华伟;郭一晶-.基于深度学习的行人重识别算法框架研究)[J].长江信息通信,2022(03):7-11
A类：
reid,Softmax+triplet
B类：
行人重识别,识别算法,框架研究,算法性能,strong,baseline,识别框架,Baseline,loss,hard,Rank,原型网络,网络基础,数据增强,学习率,采样方法,模型性能,上得,Backbone,识别性,softmax
AB值：
0.333781
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
