《表2 不同分块模型性能比较》

  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

《基于多尺度卷积特征融合的行人重识别》

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

为了验证本文分块策略的合理性，复现了未使用RPP方法PCB模型的结果，并且改变金字塔池化策略，由之前分割的6个水平分块变成7个和9个水平分块，分块细化，实验结果如表2所示。相比PCB，本文模型的rank-1精度和mAP都比PCB的要好，因为虽然分割的小块数相同，但本文算法结合了全局特征和多尺度的局部特征的信息，而PCB只使用了等分的局部特征。其次，七分块与九分块模型的整体效果并没有比六分块模型的效果好，主要是因为随着分割块数增多，行人错位和姿态改变会使得小的分割块更容易受到异常值的干扰，对于总体识别效果没有助益。图4为其中几类算法的识别效果，R5表示算法计算出的与探寻行人（query）匹配度最高的前5张图片，从图中可看出，本文六分块方案识别效果最佳。