《表1 不同方法在Market-1501数据集上的评估结果》

  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

《针对形变与遮挡问题的行人再识别》

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

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。