《表4 与相关方法无监督行人重识别精度对比》
将实验结果与最先进的无监督行人重识别模型进行比较,其中包括基于伪标签学习的:用于无监督人员重新识别的跨视图非对称度量学习[5]、无监督行人重识别:聚类和微调[6];基于无监督域自适应的:基于可转移的联合属性-身份深度学习的无监督人的重新识别[7]、基于人迁移生成对抗网络缩小域差距的行人重识别[8]、基于自相似性和域相似性的图像-图像域自适应的行人重识别[9]和异质同构概括行人的检索模型[10];以及基于多任务中级特征对齐网络的无监督的跨数据集行人重识别[22],深度非对称度量嵌入的无监督行人重识别[23],适应和重新识别网络:用于行人重识别的无监督深度迁移学习[24],基于无监督行人重识别的自底向上聚类方法[25]和基于软多标签学习的无监督行人重识别[11]。结果见表4。
图表编号 | XD00189525200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.15 |
作者 | 张宝华、朱思雨、吕晓琪、谷宇、王月明、刘新、任彦、李建军、张明 |
绘制单位 | 内蒙古科技大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院、内蒙古工业大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技大学信息工程学院、内蒙古科技大学信息工程学院、内蒙古自治区模式识别与智能图像处理重点实验室、内蒙古科技 |
更多格式 | 高清、无水印(增值服务) |