《表2 不同方法在Duke MTMC-re ID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。

与Market-1501数据集相比，Duke MTMC-re ID数据集的复杂性更高。在该数据集上，与其他方法相比，本文方法仍能取得性能上的提升，如表2所示。与Pose-Transfer方法相比，本文方法具有较大优势，原因在于Pose-Transfer方法采用GAN网络生成多种姿态的行人图像，然后与原始图像同时送进网络训练。虽然在一定程度上解决了行人姿态变化对模型性能的影响，但其姿态多样性与实际场景下的行人姿态仍具有较大差别，且GAN网络训练难度大、收敛慢，生成的多种行人姿态图像需重新送入网络中训练行人识别模型，不是端到端的学习过程。而本文采用端到端的在线学习的方式，生成更为多样且复杂的行人形变特征，实现了更加优异的结果。