《表1 SYSU-MM01数据集不同方法结果对比》

  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

《基于多视角跨模态的电力现场作业行人重识别网络架构技术研究》

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:A-FC为Asymmetric-FC；“—”为原文未公布，加粗表示最佳效果。

实验采用的数据增强包括随机图像剪切（crop）、水平翻转和随机擦除，最后图像大小为288×144像素，网络使用Adam优化器，权重衰减系数为5×10-4，初始学习率为0.01，并且学习率衰减使用warm-up策略，即前10个epoch（1个epoch为将所有训练样本训练1次）学习率从0.001线性增长到0.01，10到30个epoch学习率保持0.01，30到60个epoch学习率为0.001，60到80个epoch学习率为0.000 1。一共训练80个epoch。Res Net50由于使用了预训练参数，因此其学习率设置为模型学习率的0.1倍。使用P×K的采样策略，即每次迭代选择P个ID，每个ID选K张可见光图像和K张红外光图像，实验设置P为6，K为4。因此每次训练的batch大小为48张图片。模型在SYSU-MM01数据集的4种模式下进行测试，结果如表1所示。