预训练CNN在行人重识别中的微调提升
需积分: 17 74 浏览量
更新于2024-09-07
收藏 953KB PDF 举报
本篇论文主要探讨了预训练卷积神经网络在行人重识别中的应用和优化。行人重识别是一项重要的计算机视觉任务,其目标是在多摄像头或图片中找到同一人物,具有广泛的应用价值,如犯罪侦查和失踪人员查找。传统的行人特征提取方法往往依赖于人工设计,易受摄像机角度、光照等因素影响,导致特征鲁棒性差且收敛速度慢。
论文中,作者指出深度学习,特别是卷积神经网络(CNN)在特征提取领域的优势,特别是在大规模标注数据的支持下,能显著提升模型性能。然而,由于行人重识别领域的可用数据相对较少,限制了深度学习模型的训练效果。因此,研究者提出了一种创新策略:利用在无关数据集上预训练的卷积神经网络模型,并将其迁移至行人数据库进行微调。
微调的过程旨在利用预训练模型已学习到的通用特征表示,然后针对行人重识别特定任务进行适应性调整。这种方法的优点在于可以有效降低对大量标注数据的依赖,同时提高特征提取的鲁棒性和识别精度。实验结果显示,与传统手工设计的特征相比,预训练模型微调后的特征在行人重识别中的平均准确度评估标准上分别实现了显著提升,达到了9.51%、11.12%、16.63%和16.96%的改进,同时收敛速度加快,表明深层特征在行人识别上的表现更优。
总结来说,这篇论文的核心贡献在于提出了一种有效利用预训练卷积神经网络进行行人重识别的方法,通过微调策略,解决了数据限制问题,提高了识别性能,为行人重识别技术的发展提供了新的视角和实用工具。
2021-09-26 上传
2021-09-25 上传
2021-09-26 上传
2021-09-25 上传
2022-11-29 上传
2021-09-19 上传
2021-09-26 上传
2021-09-25 上传
2021-09-26 上传
weixin_38743506
- 粉丝: 350
- 资源: 2万+
最新资源
- Fisher Iris Setosa数据的主成分分析及可视化- Matlab实现
- 深入理解JavaScript类与面向对象编程
- Argspect-0.0.1版本Python包发布与使用说明
- OpenNetAdmin v09.07.15 PHP项目源码下载
- 掌握Node.js: 构建高性能Web服务器与应用程序
- Matlab矢量绘图工具:polarG函数使用详解
- 实现Vue.js中PDF文件的签名显示功能
- 开源项目PSPSolver:资源约束调度问题求解器库
- 探索vwru系统:大众的虚拟现实招聘平台
- 深入理解cJSON:案例与源文件解析
- 多边形扩展算法在MATLAB中的应用与实现
- 用React类组件创建迷你待办事项列表指南
- Python库setuptools-58.5.3助力高效开发
- fmfiles工具:在MATLAB中查找丢失文件并列出错误
- 老枪二级域名系统PHP源码简易版发布
- 探索DOSGUI开源库:C/C++图形界面开发新篇章