《表4 SVDNet算法的性能指标及结果》

  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

《基于业务应用的ReID评估指标研究》

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

随着行人再识别技术的快速提升，相关算法的测试结果取得了瞩目的成就。2018年，主打人工智能算法与视频深度学习技术的千视通，在行人再识别常用数据集Market 1501、DukeMTMC-ReID、CUHK03上的测试结果有着巨大的突破，千视通Market 1501上的首位命中率（Rank-1 Accuracy）达到97.1%，已经超越人眼识别能力（94%），刷新了2018年4月公布的96.6%的世界纪录。现有的行人再识别数据集近乎涵盖了所有的现实情境，如遮挡、服饰与姿态变化、多视角、分辨率变化等。Y.Deng等人提出，可将各种类型的数据集揉合来提高数据集的复杂度和再识别的困难性，对算法提出了更严峻的考验，并且提出了一个新的数据集PETA[3]。除此之外，笔者认为可以在算法的评价指标方面加以改进，以更好地测试算法的性能。在实际应用中，大多采用CMC和mAP相结合的形式共同评估行人再识别算法的性能。例如，Yifan Sun团队于2017年ICCV上提出的《SVDNet for Pedestrian Retrieval》，便采用了二者结合的评估方式，如表4所示。