《表1 0 单幅图像提取特征的平均时间》

  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

《基于深度多视图特征距离学习的行人重识别》

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

如表10所示是VIPe R数据集上单个图像的平均特征提取时间。可以看出，本文提出的深度区域特征提取方法比一些手工特征提取方法更快，例如基于生物启发特征的协方差描述符（Covariance descriptor based on Bio-inspired features，g Bi Cov）[19]；与LOMO手工特征、CNN特征、FFN特征相比，本文提出的DRIF特征的维度是2 048维，具有更低的维度，并且其维度等于卷积层通道数。通过在速度和维度复杂性之间取得平衡，本文提出的区域特征向量提取算法可以实际应用。