《表1 不同方法在Market-1501数据集上的评估结果》
注:加粗字体为每列最优结果,“-”表示未提供数据。
为了说明本文方法的有效性,与现有的行人再识别算法进行对比分析,包括基于遮挡样本生成的方法IDE+RE(ID discriminative embedding+random erasing)(Zhong等,2017a),AOSRe ID(adversarially occluded samples for person re-identification)(Huang等,2018),基于奇异值分解的显著性特征学习方法SVDNet (singular vector decomposition network)(Sun等,2017)、基于困难样本挖掘的方法Triplet Loss(Hermans等,2017)、基于注意力机制的方法DLPAR(deeply learned part aligned represent)(Zhao等,2017)以及基于姿态迁移的方法PoseTransfer(Liu等,2018)。表1—表3分别给出在3个数据集上的实验对比结果。
图表编号 | XD00215909200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.16 |
作者 | 史维东、张云洲、刘双伟、朱尚栋、暴吉宁 |
绘制单位 | 东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院、东北大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |