《表3 本文算法与主流算法的性能比较》
为了验证本文所提算法的优越性,将本文算法与目前主流的7种行人重识别算法进行对比,这几类算法分别是精准姿态嵌入(PSE)[17]、全局-局部特征描述子(GLAD)[5]、奇异向量分解(SVDNet)[18]、多尺度特征(MultiScale)[19]、多层特征融合(MLFN)[20]、注意力机制(HA-CNN)[21]和深度金字塔特征学习(DPFL)[19],都是基于卷积神经网络提取特征的算法,各类算法的rank-1精度和mAP如表3所示。由表中数据可以看出,本文算法在两个数据集上的rank-1精度和mAP都超过了对比的卷积算法,这表明本文算法的性能较其他算法有明显的提升。
图表编号 | XD0066612500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.25 |
作者 | 徐龙壮、彭力 |
绘制单位 | 江南大学物联网工程学院物联网应用技术教育部工程中心、江南大学物联网工程学院物联网应用技术教育部工程中心 |
更多格式 | 高清、无水印(增值服务) |