《表1 在Mars和Duke MTMC-Video Re ID上不同设置的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多样性约束和离散度分层聚类的无监督视频行人重识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从表1可以看出类内间离散度和多样性约束的有效性，精度得到了明显提升，其中λ1表示加入类内离散度，λ2表示加入多样性约束。当仅考虑类间离散度时（baseline)，Mars和Duke上的rank-1分别是60.8%和70.8%，m AP分别是39.2%和63.6%；加上类内离散度后，rank-1分别提升了0.9%和0.6%，因为它能够防止高离散的类被合并，从而保持类别平衡。加上多样性约束后，性能得到了进一步的提升，因为它能够优先合并数量较小的类别，最终rank-1达到了63.2%和75.4%，m AP达到了41.3%和67.4%，这表明类内间离散度和多样性约束能够提高聚类的准确性，提升视频行人重识别的匹配精度。