《表3 本文算法与主流算法的性能比较》

  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。