《表3 在Market-1501数据集上不同方法的CMC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

《大数据环境下基于深度学习的行人再识别》

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

在数据集CUHK01、CUHK03和Market-1501上的实验结果如表1～表3所示．其中，每个表都包含了所提方法和对比方法（PRM-AlexNet和PRM-VGG-16）的实验结果．从表1～表3可以发现，在数据集较小的CUHK01上，PRM-AlexNet和PRM-VGG-16的性能表现相对较差．这是因为PRM-AlexNet和PRM-VGG-16的网络架构中包含了太多参数，容易出现过度拟合的情况．因此，很难释放其深层模型的潜力．此外，还可以发现，所提方法的CMC曲线值要优于对比方法的CMC曲线值，所提方法的CMC曲线值的变化范围在61.0%～99.5%之间．这是因为，PRM-CN在行人特征建模方面更具优势，除此之外，基于卷积神经网络的行人识别方法在池化层中会丢失大量姿态信息．与池化层不同是，通过胶囊网络，详细的姿态信息，如精确的目标位置、旋转、厚度、倾斜、大小等将在整个网络中被保存．因此实验结果是合理的．