中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
行人重識別技術 版權信息
- ISBN：9787030696342
- 條形碼：9787030696342 ; 978-7-03-069634-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
行人重識別技術 內容簡介
行人重識別是計算機視覺領域的重要分支。本書在內容上涵蓋了部分傳統的以及當前主流的行人重識別算法。全書共13章，分為5個部分：第1部分（第1章和第2章）闡述行人重識別的研究現狀以及一些傳統的方法和數據庫；第2部分（第3～5章）介紹度量學習在行人重識別中的應用與研究；第3部分（第6～9章）討論一些基于字典學習的行人重識別方法；第4部分（第10～12章）對當前流行的深度學習行人重識別算法進行探討和分析；第5部分（第13章）介紹行人重識別數據庫的采集與構建方法。 本書可供圖像檢索和行人重識別相關領域研究人員和工程技術人員閱讀參考，也可供對機器學習及行人重識別技術感興趣的人士參考。
行人重識別技術 目錄
第1部分 緒論
第1章 行人重識別概論 3
1.1 課題背景與意義 3
1.2 行人重識別研究現狀與進展 4
1.2.1 基于圖像的行人重識別研究 5
1.2.2 基于視頻的行人重識別研究 6
1.2.3 分類與評價方法 6
1.3 行人重識別研究不足與展望 7
1.4 本書的內容安排 9
參考文獻 9
第2章 行人重識別研究綜述 11
2.1 傳統的行人重識別方法 12
2.1.1 基于特征表示的方法 12
2.1.2 基于匹配模型的方法 15
2.1.3 基于距離度量學習的方法 16
2.1.4 稀疏表示相關技術 22
2.2 基于深度學習的方法 24
2.3 行人重識別數據庫現狀 27
2.3.1 基于圖像的數據庫 27
2.3.2 基于視頻的數據庫 29
參考文獻 31
第2部分 度量學習在行人重識別中的應用與研究
第3章 基于負樣本區別對待的度量學習行人重識別算法 35
3.1 偽裝者樣本定義及本章研究內容 35
3.2 偽裝者樣本與正確匹配樣本對的對應關系及偽裝者樣本去除 37
3.3 基于負樣本區別對待的度量學習 38
3.3.1 負樣本劃分 39
3.3.2 問題建模 39
3.3.3 目標函數優化 40
3.4 實驗設置與結果 41
3.4.1 VIPeR數據集上的實驗結果 42
3.4.2 ETHZ數據集上的實驗結果 43
3.4.3 i-LIDS數據集上的實驗結果 43
3.5 LISTEN有效性評估 44
3.5.1 對稱三元組約束的作用 44
3.5.2 良好可分負樣本的作用 45
參考文獻 46
第4章 基于集合的度量學習行人重識別算法 48
4.1 基于集合的度量學習與本章的研究內容 48
4.2 與SI2DL相關的工作 50
4.2.1 基于視頻的行人重識別 50
4.2.2 基于集合的度量學習 51
4.3 視頻內和視頻間度量學習方法 51
4.3.1 問題建模 51
4.3.2 目標函數優化 53
4.3.3 計算復雜度和收斂性分析 56
4.4 實驗設置與結果 56
4.4.1 iLIDS-VID數據集上的實驗結果 57
4.4.2 PRID 2011數據集上的實驗結果 58
4.5 對SI2DL的討論與分析 59
4.5.1 學習一對距離度量與一個公共度量的比較 59
4.5.2 視頻內和視頻間距離度量的維度的影響 60
4.5.3 和其他基于集合的度量學習方法對比 60
參考文獻 61
第5章 其他相關的度量學習技術 63
5.1 NK3ML 63
5.2 HAP2S 65
5.3 深度度量嵌入 67
參考文獻 69
第3部分 字典學習在行人重識別中的應用與研究
第6章 基于投影和異質字典對學習的圖像到視頻行人重識別 73
6.1 圖像到視頻行人重識別研究基礎與本章的研究內容 73
6.2 基于投影和異質字典對學習的方法 75
6.2.1 問題建模 75
6.2.2 目標函數優化 77
6.2.3 計算復雜度 79
6.2.4 使用學到的字典對和映射矩陣進行圖像到視頻的行人重識別 80
6.2.5 和已有字典學習方法的比較 80
6.3 實驗設置與結果 81
6.3.1 數據集介紹 81
6.3.2 實驗設置 81
6.3.3 結果和分析 82
6.4 對PHDL的討論和分析 84
6.4.1 特征投影矩陣的作用 84
6.4.2 字典和特征投影矩陣的大小的影響 84
6.4.3 參數分析 85
6.4.4 收斂性分析 87
參考文獻 87
第7章 基于半耦合低秩鑒別字典的超分辨率行人重識別算法 89
7.1 低分辨率行人重識別分析 89
7.1.1 研究動機 90
7.1.2 主要貢獻 91
7.2 與SLD2L相關的工作 91
7.2.1 基于耦合字典學習的圖像超分辨率方法 92
7.2.2 基于半監督耦合字典學習的行人重識別方法 92
7.2.3 半耦合字典學習方法 92
7.2.4 與相關方法對比 93
7.3 半耦合低秩鑒別字典學習方法 94
7.3.1 問題建模 94
7.3.2 目標函數優化 96
7.4 多視圖半耦合低秩鑒別字典學習方法 99
7.5 利用學到的字典和映射進行超分辨率行人重識別 102
7.5.1 半耦合低秩鑒別字典學習方法用于重識別 102
7.5.2 多視圖半耦合低秩鑒別字典學習方法用于重識別 103
7.6 實驗設置與結果 104
7.7 對SLD2L和MSLD2L的討論和分析 112
7.7.1 目標函數中各功能項的作用 112
7.7.2 圖像塊大小的影響 113
7.7.3 聚類個數的影響 113
7.7.4 字典大小的影響 114
7.7.5 低分辨率測試圖像的分辨率的影響 115
7.7.6 Probe圖像為混合分辨率情況下的對比 115
7.7.7 低分辨率訓練圖像的分辨率的影響 115
7.7.8 特征數量的影響 116
7.7.9 MVSLD2L和SSCDL方法的進一步比較 117
7.7.10 計算代價 118
參考文獻 118
第8章 基于雙重特征的字典學習 120
8.1 背景與貢獻 120
8.1.1 研究內容 120
8.1.2 相關工作 121
8.2 基于雙重特征的度量學習 124
8.2.1 算法基本思想 124
8.2.2 目標函數介紹 125
8.2.3 目標函數求解 126
8.3 基于稀疏表示的多字典學習 127
8.3.1 問題建模 127
8.3.2 目標函數優化 129
8.3.3 目標函數求解 129
8.3.4 算法總結 131
8.4 實驗設置與結果 132
8.4.1 基于雙重特征的度量學習算法實驗 133
8.4.2 基于稀疏表示的多字典學習算法實驗 136
參考文獻 140
第9章 其他相關的字典學習技術 142
9.1 CPDL 142
9.2 DSPDL 143
9.3 拉普拉斯正則字典學習 144
參考文獻 145
第4部分 深度學習在行人重識別中的應用與研究
第10章 基于對稱三元組約束的深度度量學習 149
10.1 關于負類樣本的分割問題 150
10.2 基于對稱三元組約束及易區分樣本區別對待的深度度量學習 151
10.2.1 樣本預計算 151
10.2.2 問題建模 151
10.2.3 目標函數優化 152
10.2.4 STDML在行人重識別中的應用 154
10.3 數據集 154
10.4 實驗細節 154
10.5 實驗結果 155
參考文獻 156
第11章 基于跨模態特征生成和目標信息保留的無監督圖像到視頻匹配的行人
重識別算法 158
11.1 引言 158
11.2 無監督圖像到視頻的行人重識別模型 160
11.2.1 問題建模 160
11.2.2 特征表示 160
11.2.3 跨模態特征生成和目標信息保留 161
11.2.4 跨模態行人重識別方法 162
11.2.5 與其他GAN方法的對比 163
11.3 實驗與分析 163
11.3.1 數據集介紹 164
11.3.2 實驗細節 164
11.3.3 結果與分析 165
11.3.4 討論 166
參考文獻 167
第12章 行人重識別中其他典型的深度學習方法 169
12.1 通過GAN生成的無標簽樣本 169
12.1.1 目標函數構建 169
12.1.2 實驗設置與結果 170
12.2 循環卷積網絡在視頻行人重識別中的應用 171
12.2.1 Siamese網絡基礎 171
12.2.2 實驗設置與結果 172
參考文獻 173
第5部分 行人重識別數據庫采集方法
第13章 行人重識別數據庫的采集方法 177
13.1 場景設定與相機部署 177
13.2 行人分割與歸一化 180
參考文獻 181
展開全部
書友推薦
- >
姑媽的寶刀
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
詩經-先民的歌唱
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
唐代進士錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
李白與唐代文化
本類暢銷
