《表1 单行人检索评估表：融合型神经网络的人员再检测》

  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

《融合型神经网络的人员再检测》

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

相较与传统人员再检测算法，本文在构建网络框架的时候做了相应的优化:（1）当图像集较少时，在特征提取模块会缺少有用的信息描述，从而导致过拟合等现象，本文采用了DCGAN网络生成大量图片，扩充了输入数据集，可有效减消这一情况；（2）在特征提取的模块运用传统手工特征提取和神经网络相结合，颜色信息和纹理信息相结合，能提取更完备的特征表征，采用ResNet网络，并加入额外的卷积层、下采样等操作，可以达到更好的训练效果；（3）分类模型中通过交叉熵模型引入Dropout，可以达到减小过拟合现象。因此，我们在VIPeR数据集上训练精度比传统算法的训练精度要高，具体情况如下表1所示。