《表3 各种方法在数据集上的Rank-1值》

  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

《基于深度学习的行人重识别综述》

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：D表示DenseNet-169，Tri表示三重损失，IDE*是对IDE的改进，RE是Random Erasing。

如表3所示，通过对Rank-1值的分析，在4个大的类型中基于部件的AlignedReID在数据集CUHK03上的表现略优，此方法是Zhang等[55]在2017年提出的。主要是在模型中增加了动态匹配的过程，效果表现较好，但是对行人姿势大幅度改变和遮挡的检测效果还有待提高。表中还呈现了一些较好的方法，如Liu等[62]提出的HydraPlus-Net在数据集CUHK03和VIPeR上也得到较好的结果，但是在Market-1501上的表现并不突出。包括Liu等[70]提出Pose+transfer方法，在数据集CUHK03上的表现与其他两个数据集差距较大。