《表8 微调Resnet-50模型对重识别性能的影响 (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

%

使用MatConvNet（Convolutional neural Networks for Matlab）工具，利用Image Net模型训练Market-1501数据集。对于网络Resnet-50使用默认参数设置，并从Image Net预先训练好的模型中进行微调。图像在被送入网络之前被调整224×224大小；初始学习率设置为0.001，并在每次迭代后减少至上一次的1/10，训练迭代36次之后完成。为了证明微调策略的有效性，在VIPe R数据集上用微调的模型进行实验，分别用Resnet-50网络以及微调过后的Resnet-50网络（Fine-tuning Resnet-50，F-Resnet-50）提取卷积层特征，并对两个模型提取的同一层三维卷积特征利用区域聚合特征方法变成2048维的特征向量，并进行距离度量。表8中的结果表明，利用行人重识别数据集微调过后的网络模型提高了区分能力，减少了错误检测对背景的影响，并提高了识别率。