《表2 算法识别精度统计表》

  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

《正态重采样的改进行人再识别度量学习算法》

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

如表2所示为基于VIPeR数据库进行10次重复独立实验，计算平均值作为识别精度的测试结果。如表2所示，给出了rank-1、rank-5、rank-10和rank-20识别精度的统计结果。从表中数据可以清楚地看出，本文算法在所有指标上均取得了最优的识别结果，尤其在rank-1的识别精度上，相较于MLAPG算法精度提升了7.79%。此外，本文给出了迭代次数c=2、β=0.3，c=1、β=0.8以及c=1、β=0.3三种参数条件下的识别精度。从结果可以看出，迭代次数增加虽然能够一定程度上提升rank-1的识别精度，但使得rank>5的识别精度存在显著下降。而当β=0.3时，rank-1具有稳定的识别精度，且能保证rank>1的识别精度。训练数据量p=316，即316个行人的数据用于训练。