跨场景迁移学习的行人重识别研究.docx

摘要：行人重识别旨在匹配同一个行人在不同时间段不同摄像头视图下拍摄的行人图片。业内在此之前为了获得图片对之间稳定的相似性度量，需要人工手动注释大量成对的跨相机视图行人图片。然而，这种手工标注数据的方式代价极其昂贵而且不切实际。为了解决这个问题，我们考虑利用在其他场景下已经存在的行人图片来辅助新场景下的行人重识别系统部署，这样仅仅需要提供新场景下的少量样本就可以完成行人重识别系统的部署。除此之外，我们通过非对称多任务学习方式，来联合学习不同场景下的行人重识别数据集，得到可靠的相似性度量函数，并运用跨任务数据差异模型来解决共享空间的数据堆叠问题。本文称提出的方法为受约束的非对称多任务判别分量分析。在VIPeR、i-LIDS、3DPeS和CAVIAR数据集上的实验验证了所提方法的有效性。

关键词：行人重识别；跨场景迁移学习；非对称多任务；联合学习

目录

摘要

Abstract

1.绪论-1

1.1课题研究背景-1

1.2国内外研究现状-2

1.3课题研究内容-4

2行人重识别的跨场景迁移建模-6

2.1迁移一个源数据集-6

2.2迁移多个源数据集-8

2.3约束非对称多任务判别成分分析-9

3实验-12

3.1数据集和实验设置-12

3.2 cAMT-DCA与单任务方法的比较-13

3.3目标训练样本数量的影响-16

3.4 cAMT-DCA与多任务方法的比较-17

3.5 cAMT-DCA中有无CTDD的比较-19

4.总结-21

参考文献-22

致谢-24

附录 A-25