《表4 对比实验识别精度统计表(GRID)》

  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

《迁移度量学习行人再识别算法》

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

为了进一步验证算法的有效性，本文在GRID数据集上进行了测试。GRID数据集是现有的行人再识别数据集中最具挑战的一个数据集。与VIPeR、CUHK01等数据集不同，GRID数据集包含有两部分，一部分是正常的数据样本，包含250个行人的500张图像，每个行人有两张图像，分别来自不同摄像头；另外一部分是干扰样本，共有775张图像，并且图像分辨率较低。首先在iLIDS数据集上训练得到度量模型，然后迁移到GRID数据集对样本进行识别，识别精度如表4所示。由表中数据可以看出，基于迁移度量学习的行人再识别方法相较于XQDA算法，在识别精度上有了一定的提升，但由于GRID数据集样本质量较差，干扰样本较多，识别率仍然处于较低水平。