《表3 本文算法与现有算法进行比较》

  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

本文对提出的利用姿态特征以及外貌特征混合编码的行人再识别算法与现有的行人再识别算法进行了比较，如表3所示。表3中分割线以上为未采用生成图像扩充数据的算法，分割线以下为采用生成图像辅助训练的算法。由表中的实验数据可以看出，采用姿态特征和外貌特征混合编码的行人再识别算法后，在Market1501数据集上的表现效果较好，Rank-1仅比PCB算法稍低0.4%，但mAP的性能却高于PCB算法0.6%；在DukeMTMC-ReID数据集上的Rank-1仅仅低于Part-aligned、Mancs算法不到一个百分点，而mAP的性能仅低于Mancs算法。综上所述，本文提出的算法在两大公开的数据集上表现效果较好，Rank-1、mAP评估指标能优于现有的大部分主流算法，可以看出所提算法的优越性。