《表6 VIPe R数据集上不同算法的实验结果对比 (P=316)》

  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

%

本文采用了广泛使用的CMC方法对性能进行定量评估。对于VIPe R，随机选取大约一半人（316人）进行训练，其余人员用于测试。使用单次评估方法，并将VIPe R测试集划分为参考集和测试集。在VIPe R数据集上，设置滑框尺度L=4，加权参数α=0.8，对比算法包括深度多视图特征（Deep Multi-View Feature，DMVFL）[9]、Deep Feature Learning[3]、LOMO特征[1]、CNN[18]。当α=0.8时，Rank1的值为75.32%。排名前1、5、10、20（即Rank1、Rank5、Rank10和Rank20）的结果见表6。由表6可知，本文提出的加权融合策略在此数据集上得到的性能最好；而且与另外两大数据集Market-1501和CHUK03相比，该算法模型在VIPe R数据集上得到的效果是最显著的。