《表1 补充的网络结构：第一人称视角下的社会力优化多行人跟踪》

  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

《第一人称视角下的社会力优化多行人跟踪》

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

注:“-”代表无数据。

表观特征用来计算行人图像框之间的相似度。通常情况下，相同行人的图像框相似度较大，不同行人的图像框相似度较小。但是由于传统的尺度不变特征变换（scale-invariant feature transform，SIFT）和方向梯度直方图（histogram of oriented gradient，HOG）等特征对第一人称视角下的行人表征能力不够，且需要大量的先验知识，计算量较大。因此，本文基于3.1节所得的行人检测结果，通过在大规模行人重识别（person re-identification，ReID）数据集的预训练网络（Wojke等，2017）中加入2个卷积层、1个最大池化层和6个剩余模块，构建一个宽度剩余网络，用于提取行人目标框的表观特征，表1为额外补充的网络结构。