《表7 目标检测算法在行人检测中的应用》
当前随着深度学习的发展,研究人员考虑采取深度学习方法对行人重识别研究,深度学习不仅可以提取丰富的特征表示,还为度量学习带来革新。Yan等[89]首先获取图像的颜色特征和LBP特证,然后通过LSTM(长短期记忆网络)获得基于序列的特征,充分利用图像特征和序列特征。Yi等[90]采用siamese网络学习行人颜色特征、纹理特征和度量,针对行人外观的巨大变化,利用二项式偏差法进行评估。Mclaughlin等[91]结合CNN网络与RNN网络,在CNN基础上获得每个行人外貌特征,在RNN基础上获得时空信息,两者联合进行调参。Zheng等[92]提出Market-1501数据集,该数据集规模为当时最大且自动标注行人边界框,每个行人有多个摄像头多张影像,目前依然是具有挑战性的数据集。行人重识别主要应用于刑侦工作、图像检索等方面,将深度学习方法与行人重识别结合可以提高行人重识别的准确度、充分利用图像特征,具体目标检测算法在行人检测上的应用如表7所示。
图表编号 | XD00201599700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 肖雨晴、杨慧敏 |
绘制单位 | 东北林业大学工程技术学院、东北林业大学工程技术学院 |
更多格式 | 高清、无水印(增值服务) |