预训练CNN在行人重识别中的微调提升
需积分: 17 183 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
2021-09-25 上传
2021-09-26 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
- IEEE 14总线系统Simulink模型开发指南与案例研究
- STLinkV2.J16.S4固件更新与应用指南
- Java并发处理的实用示例分析
- Linux下简化部署与日志查看的Shell脚本工具
- Maven增量编译技术详解及应用示例
- MyEclipse 2021.5.24a最新版本发布
- Indore探索前端代码库使用指南与开发环境搭建
- 电子技术基础数字部分PPT课件第六版康华光
- MySQL 8.0.25版本可视化安装包详细介绍
- 易语言实现主流搜索引擎快速集成
- 使用asyncio-sse包装器实现服务器事件推送简易指南
- Java高级开发工程师面试要点总结
- R语言项目ClearningData-Proj1的数据处理
- VFP成本费用计算系统源码及论文全面解析
- Qt5与C++打造书籍管理系统教程
- React 应用入门:开发、测试及生产部署教程