【摘 要】
：
深度学习是人工神经网络的一个分支,这个概念一提出就引起了社会各界的高度关注,掀起了研究热潮。随着社会高度智能化发展,智能安防、刑侦、无人超市等领域对行人重识别技术的需求尤为明显。在这些行业发展和社会需求的促使下,基于深度学习的行人重识别迅速成为计算机领域的热门话题。行人重识别通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人。然而,由于受到不同视角下的背景、光照等因素影响,采集到的
论文部分内容阅读
深度学习是人工神经网络的一个分支,这个概念一提出就引起了社会各界的高度关注,掀起了研究热潮。随着社会高度智能化发展,智能安防、刑侦、无人超市等领域对行人重识别技术的需求尤为明显。在这些行业发展和社会需求的促使下,基于深度学习的行人重识别迅速成为计算机领域的热门话题。行人重识别通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人。然而,由于受到不同视角下的背景、光照等因素影响,采集到的行人图像中存在大量的难样本,利用这些难样本训练得到的模型识别性能低下,缺乏鲁棒性,即使后来使用生成式对抗网络来提升样本多样性,也无法忽视训练网络复杂,存在模式崩塌的问题。因此,本文针对上述提出的难样本问题进行了相关性研究,主要研究内容包括以下几个部分:（1）为了利用难样本图像信息,提出了一种基于难样本混淆的行人重识别方法,通过混淆因子合成具有难样本信息的图像,用这批难样本混淆图像和原始数据继续训练网络,让模型进行有监督学习。具体而言,首先对每一批输入图片,通过相似性度量寻找到每张图片对应的难样本图像,接着在图像层面利用混淆因子合成具有难样本信息的新图像,最后结合身份约束以有监督的方式促使模型挖掘难样本信息。（2）基于上述理论依据,在难样本混淆实验的过程中会产生噪声干扰,为了减小该项噪声的影响,在图像的特征层面有针对性的优化难样本混淆图像的特征与身份原点特征的类内距离,即拉近带有难样本信息的图像特征与身份原点特征的距离,在特征空间中减小其他因素的干扰,赋予网络提取更具有鉴别性的特征的能力,提高模型鲁棒性。本文在研究过程中进行了大量对比实验,实验结果表明本文的方法在主流数据集Duke MTMC-Re ID和Market-1501上获得了较高的识别率,在小数据集上也同样具有优越性,消融实验进一步证明了所提方法的有效性。
其他文献
日冕物质抛射（Coronal Mass Ejection,CME）是一种日冕物质从太阳日冕层向行星际空间抛射的强烈空间天气现象。CME严重影响着太空天气和人类生活,所以提高CME的检测效果对预报CME和保障人类的生产生活安全具有重大意义。尽管学者已经探索出了许多CME检测方法,但现有检测方法多采用人为定义特征和人为界定阈值等方法检测CME。由于人为定义特征不能很好表征CME且具有普适性的阈值难于选
图像分割是将图像分割为互不相交、具有独特性质的区域的过程,是计图像场景理解中的关键点,是计算机视觉的基石任务。近年来,随着视觉场景技术的不断深入,图像分割被广泛的应用在医学诊断、自动驾驶、交通系统、增强现实等领域。传统的基于活动轮廓的分割方法可根据图像本身信息演化曲线至目标轮廓上,常用于快速分割具有复杂结构的图像。但是,该方法无法通过学习大量的数据来获取高级特征。随着深度学习的发展,基于全卷积网络
铁磁性材料零部件被广泛地应用于大型机械设备、航天航空、管道运输等领域,铁磁性材料零部件在长期的服役过程中,由于受运行环境、制造工艺和使用方式等因素的影响,易产生表面或内部不同程度的损伤,影响设备运行情况及使用寿命,留下安全隐患,甚至造成工业事故。为此,对设备的铁磁性材料零部件及时地进行非接触、非侵入的检测变得十分重要。为了构建非接触、非侵入的缺陷检测模型,本文利用无损检测技术中的红外热成像技术,建
近年来,随着物联网、微电子技术和无线充电技术的飞速发展,无线传感器网络逐渐在工业应用中发挥重要作用。可以由无线充电器提供能量补充的传感器网络称为无线可充电传感器网络（Wireless Rechargeable Sensor Networks,WRSN）,通常它由数量庞多的传感器节点组成,用于监测外界环境、数据传输、边缘计算。传感器节点通常由微电子组件和蓄电池构成,而能量有限的电池是制约WRSN寿命
周期性车辆路径问题（Periodic Vehicle Routing Problem,PVRP）是传统车辆路径问题的一个重要拓展,主要是为了满足客户多次配送服务的要求,优化配送周期内的客户组合和配送路径。目前,环境与能源问题的日益严峻,每个国家对环保的要求越来越严格。因此,考虑燃油消耗和碳排放等因素的绿色周期性车辆路径问题（Green Periodic Vehicle Routing Proble
节点被捕获是无线传感器网络（Wireless Sensor Network,WSN）内部攻击的第一阶段攻击,适宜的检测方法能够更好的保护WSN网络安全。在该论文提出的检测方法中,决策节点通过邻居节点交互信息得到决策,并将得到的决策由多跳路由发送给基站,基站将被认定已捕获的节点进行隔离。对于休眠机制问题,很多检测方法使用的是同步休眠而非异步休眠,甚至有些方法并不考虑休眠的问题;对于通信结构问题,现有
近几年,视网膜图像的血管分割一直是医学领域的研究热点,精确的分割视网膜血管是很多疾病诊断的重要前提,常常被作为诊断视网膜血管病变、糖尿病、高血压、青光眼的重要手段。传统的眼底血管分割是由医生手动完成的,但存在耗时长、过度依赖医生专业性的问题,随着图像处理的快速发展,视网膜自动分割取得了一些进展。然而,眼底血管图像存在数据集少、血管大小尺寸不一和病变背景干扰的问题,加大了图像分割的难度,也导致了视网
太阳耀斑是一种剧烈的太阳活动形式,强烈太阳耀斑引起的X射线增强会导致短波无线电衰减,从而影响无线电通信系统、全球定位系统、卫星和航天员的安全,造成大量的经济和商业损失。因此,建立太阳耀斑预报模型对空间天气预报具有重要意义。耀斑指数是对全日面耀斑活动强度的一个量化描述指数,是太阳辐射研究领域中最重要的太阳活动指数之一。相较于其他的太阳活动指数序列,耀斑指数时间序列的突发性更强,预测难度更大。耀斑指数
近年来,云计算相关技术不断发展成熟,云计算技术的应用领域也越来越广泛,云计算技术逐渐成为IT行业的主流技术。云环境具有动态性、复杂性、共享性和大规模等特点,在复杂的云环境下,如果运行数据存在异常,将会影响云环境的正常运行,给云环境的可用性和稳定性带来巨大挑战。为了保证云环境可用性和稳定性,国内外相关专家对云环境下运行数据的监测和异常检测以及预测方法进行了深入研究,且提出了相关运行数据的监测框架和异
磁共振成像（Magnetic Resonance Imaging,MRI）在治疗检测和医疗诊断等领域的应用很广泛,并且没有电离辐射危害。然而,过长的扫描时间成为了MRI最主要的缺点。因此,为了在保证MRI质量的同时提高成像速度,本文研究利用深度学习的网络模型,设计有效的MRI网络模型来提高磁共振图像的重构性能。本文的主要研究内容如下:（1）采用Calgary-Campinas的脑部原始数据,并对数