《表5 在Duke MTMC-re ID数据集上的消融实验》
注:加粗字体为每列最优结果。
在小规模数据集CUHK03上,由于该数据集样本数较少、多样性差,因此模型训练时容易出现过拟合问题。然而,本文通过形变与遮挡样本生成的方式增加样本的多样性、复杂性以及样本的学习难度,从而使得模型更加关注鲁棒性的特征,因此可以在CUHK03数据集上实现较大的性能提高。具体地,在CUHK03-labeled数据集上,本文方法相比于基线方法,Rank-1提高8.72%,m AP提高8.0%;在更加困难的检测器裁剪下的CUHK03-detected数据集上,本文方法相比于基线方法,Rank-1提高9.43%,m AP提高8.74%。在Duke MTMC-re ID数据集上,本文方法仍然有较大的提升,说明即便在复杂的数据集下,该方法仍是一种有效的手段。但在Market-1501数据集上,两种方法单独使用时的模型性能略高于结合的方式。因此推测,增加形变与遮挡困难样本的方法在Market-1501数据集上引入了过多的干扰,导致模型学习了不相干的信息,使识别准确性有所下降,但整体的识别结果仍然高于基线的方法。上述消融实验证明了本文每一个设计的有效性。
图表编号 | XD00215909300 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) |