《表1 单行人检索评估表:融合型神经网络的人员再检测》
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。
图表编号 | XD0096033500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.20 |
作者 | 潘玥、杨会成、储慧敏 |
绘制单位 | 安徽工程大学电气工程学院、安徽工程大学电气工程学院、安徽工程大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |