《表1 不同N的实验结果》

  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

《基于特征拼接的行人重识别》

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

%

本文所提出的模型用瓶颈层代替分类层以尽可能地避免过拟合现象。瓶颈层中的参数需要合理设置，这些参数包括瓶颈层1中第一个全连接层神经元个数以及瓶颈层2、瓶颈层3中的卷积核个数。在本文中，全连接层神经元个数和卷积核个数取相同值，这主要是为了保持测试进行特征拼接时每个分支的特征值的维数相同。将全连接层神经元个数和卷积核个数统称为参数N。表1中给出当N取值不同时，本文所提出的算法在Market1501数据集上的实验结果。通过对比表1中的数据，发现当N为512时的实验结果最好，即当瓶颈层1中第一个全连接层神经元个数为512以及瓶颈层2、瓶颈层3中卷积层的卷积核个数也为512时，实验结果最好。