基于深度学习的域泛化行人重识别综述.docx

基于深度学习的域泛化行人重识别综述

目录

一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

行人重识别概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

域泛化的定义与挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

二、相关工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

传统行人重识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.1基于手工特征的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.2基于浅层模型的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

深度学习在行人重识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.1卷积神经网络简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

2.2深度学习模型改进策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

域泛化行人重识别的研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

3.1不同域的数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.2现有域泛化算法总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

三、关键技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

特征表示学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

1.1局部特征与全局特征．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

1.2跨域特征对齐．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

损失函数设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

2.1辨别式损失函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

2.2生成对抗网络的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

数据增强与合成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

3.1数据增强技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.2合成数据生成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

四、评估指标与实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

常用评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

实验环境配置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

跨域实验协议．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

五、代表性方法剖析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

六、讨论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

当前研究存在的问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

未来研究方向探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

应用前景预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

七、结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

主要研究成果总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

对本领域发展的贡献．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

一、内容简述

本文旨在对基于深度学习的域泛化行人重识别技术进行系统性的综述。随着计算机视觉技术的飞速发展，行人重识别（PersonRe-Identification，ReID）作为跨摄像头行人追踪的关键技术，近年来受到了广泛关注。