《表2 不同损失函数对模型的影响》

  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

《GAN网络混合编码的行人再识别》

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

本文采用多损失函数联合监督机制优化网络迭代。网络的总损失包括像素级的损失L1=L1i+L1j+L1c+L1a+L1s；根据外观分配的ID损失L2=L2+L2g；区分网络中的生成损失L3=L3；网络框架特征的损失L4=L3j。表2列出了不同损失函数对网络模型的影响。从表2中数据可以看出，多损失联合监督机制可以有效地挖掘图像中的细粒度特征，增强网络模型的鲁棒性，并进一步提高行人识别的准确性。