《表1 MPF网络消融实验》
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
《基于多池化融合与背景消除网络的跨数据集行人再识别方法》
Res Net50网络、G-L网络和MPF网络的定量实验结果如表1所示。在3个数据集中,G-L网络的识别性能均明显优于Res Net50网络,Market-1501数据集上的m AP和Rank-1分别提升了7.42%和5.57%,Duke MTMC-re ID数据集上的m AP和Rank-1分别提升了6.87%和4.24%,MSMT17数据集上的Rank-1和m AP分别提升了5.15%和3.76%。实验结果表明,在特征提取时兼顾全局特征和局部特征可以提升行人再识别的性能。相较于G-L网络,MPF网络可进一步提升识别性能,在Market-1501数据集上Rank-1和m AP分别提升了3.93%和8.17%,在Duke MTMC-re ID数据集上Rank-1和m AP分别提升了5.04%和7.19%,在MSMT17数据集上Rank-1和m AP分别提升了6.07%和6.27%。因此在特征提取时采用不同的池化方式是有效的。MPF网络结合了全局特征和局部特征且构建了不同的池化方式,从而可以提取更多的有用信息,相比于Res Net50网络明显提升了行人再识别性能。
图表编号 | XD00226485500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 李艳凤、张斌、孙嘉、陈后金、朱锦雷 |
绘制单位 | 北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院、北京交通大学电子信息工程学院 |
更多格式 | 高清、无水印(增值服务) |