發(fā)布時間：2020-03-31 12:08

【摘要】：因其實用價值與研究價值,行人再識別吸引了大量研究者的興趣。行人再識別技術(shù)是從圖像搜索領(lǐng)域獨立出來的一個研究分支。行人再識別技術(shù)在追蹤嫌疑人、搜尋失蹤人口、人員行為分析等方面能夠發(fā)揮重要作用,在“平安城市”建設(shè)中具有不可或缺的地位,在安防、刑偵、維護(hù)公眾安全等方面具有非常重要的社會意義和經(jīng)濟(jì)意義。行人屬性特征是人類在識別行人時非常重要的高層語義信息。在智能視頻監(jiān)控中,行人屬性識別起著至關(guān)重要的作用,可以方便地對人員進(jìn)行檢索。在行人再識別任務(wù)中,行人屬性識別可以幫助模型尋找到更加精細(xì)的特征表達(dá),從而提升行人再識別的性能。探究屬性與行人身份相結(jié)合用以提升行人再識別性能的方法,首先,從最簡單的多任務(wù)學(xué)習(xí)方法開始,將行人再識別任務(wù)和屬性信息通過最簡單最直接的方式進(jìn)行結(jié)合�；�于多任務(wù)學(xué)習(xí)的方法只考慮了行人屬性與行人身份之間具有相關(guān)性,但沒有考慮如何相關(guān)和相關(guān)程度。觀察發(fā)現(xiàn),不同屬性對行人身份信息的重要性不同。基于此,進(jìn)一步提出了一種全新的基于屬性挖掘與推理(AMR)的行人再識別框架,利用圖卷積網(wǎng)絡(luò)(GCN)的方式結(jié)合屬性信息的行人再識別任務(wù)。在該框架中,為了加強(qiáng)屬性特征的表達(dá)能力,設(shè)計了利用注意力機(jī)制的多分支空間通道注意力集成(MBSCAE)模塊提取每個屬性的特征。通過空間注意力和通道注意力兩種方式,MBSCAE模塊既可以將屬性在特征圖上進(jìn)行定位,又可以有效挖掘與屬性關(guān)聯(lián)程度更高的通道特征。此外,空間注意力模型和通道注意力模型都由多組并行的分支集成得到,從而進(jìn)一步提升網(wǎng)絡(luò)性能。最后,利用圖卷積網(wǎng)絡(luò)的語義推理和信息傳遞功能,AMR可以實現(xiàn)屬性特征與行人特征之間的關(guān)系挖掘和推理,獲得表達(dá)能力更強(qiáng)的行人特征。在行人再識別任務(wù)常用的DukeMTMC-ReID和Market-1501兩個數(shù)據(jù)庫進(jìn)行實驗。實驗結(jié)果表明,AMR方法在現(xiàn)有的行人再識別方法中處于頂尖水平。將Market-1501數(shù)據(jù)集上訓(xùn)練的模型,遷移到CUHK03進(jìn)行實驗。實驗結(jié)果表明,AMR方法具有很好的泛化能力。
【圖文】：

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文2 理論基礎(chǔ)與相關(guān)知識將針對本文中涉及到的理論基礎(chǔ)和行人再識別領(lǐng)域的一些知識括注意力機(jī)制、圖卷積網(wǎng)絡(luò)以及行人再識別進(jìn)行實驗時的常用機(jī)制，，注意力機(jī)制在人工智能領(lǐng)域獲得了非常多的關(guān)注，也取得了首先介紹注意力機(jī)制的概念和計算機(jī)視覺中注意力機(jī)制的相關(guān)類別的注意力機(jī)制。力機(jī)制概念

Market1501上取值曲線
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆林;張學(xué)棟;魏雁天;何建倉;;粒空間中基于粒計算的粒語義推理[J];模式識別與人工智能;2008年04期

2 徐挺;;語義推理的直值表解法[J];邏輯與語言學(xué)習(xí);1990年04期

3 邱德鈞;自然語言的語義推理[J];蘭州大學(xué)學(xué)報;1995年01期

4 鞠實兒;林淵雷;;基于開放世界假設(shè)的三值邏輯的語義推理系統(tǒng)[J];中山大學(xué)學(xué)報(社會科學(xué)版);2008年02期

5 劉文潔;林磊;孫承杰;;基于遷移學(xué)習(xí)的語義推理網(wǎng)絡(luò)[J];智能計算機(jī)與應(yīng)用;2018年06期

6 周江平;李吉軍;;語義推理的影響因素分析[J];長江師范學(xué)院學(xué)報;2010年03期

7 凌鴻;周江波;胥正川;;基于語義推理的工作流結(jié)構(gòu)驗證方法[J];計算機(jī)集成制造系統(tǒng);2006年06期

8 閆林;劉清;龐善起;;基于粒語義推理的粒歸結(jié)研究[J];計算機(jī)科學(xué);2009年01期

9 李太航;黃倩;趙紅;沈祖梁;;Fuzzy語義推理的自學(xué)習(xí)算法[J];自動化學(xué)報;1984年04期

10 吳士瓏;自然語言的語義推理的一種方法[J];通信學(xué)報;1982年02期

相關(guān)會議論文 前2條

1 鞠實兒;;基于開放世界假設(shè)的三值邏輯的語義推理系統(tǒng)[A];開放類邏輯論文集[C];2004年

2 周必水;李委;;基于本體的web服務(wù)發(fā)現(xiàn)的研究[A];浙江省電子學(xué)會第七次會員代表大會暨2007學(xué)術(shù)年會論文集[C];2007年

相關(guān)博士學(xué)位論文 前2條

1 鄔俊;基于交互式語義推理的圖像檢索算法研究[D];大連海事大學(xué);2010年

2 陳曦;面向大規(guī)模知識圖譜的彈性語義推理方法研究及應(yīng)用[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 蔣軍杰;基于GPS數(shù)據(jù)的位置預(yù)測與語義推理[D];上海交通大學(xué);2017年

2 王子揚;基于屬性挖掘和推理的行人再識別[D];華中科技大學(xué);2019年

3 李子祺;支持語義推理的學(xué)科知識庫設(shè)計與實現(xiàn)[D];北京交通大學(xué);2019年

4 王善永;大規(guī)模并行化語義規(guī)則后向鏈推理技術(shù)研究與實現(xiàn)[D];南京大學(xué);2016年

5 李晨瑞;基于語義推理和表示的機(jī)器閱讀理解研究[D];華東師范大學(xué);2018年

6 劉文潔;基于深度學(xué)習(xí)的語義推理技術(shù)[D];哈爾濱工業(yè)大學(xué);2018年

7 黃崛;一種基于Spark的語義推理引擎實現(xiàn)及應(yīng)用[D];浙江大學(xué);2017年

8 張鑫華;基于語義推理的知識相似性與沖突檢測研究[D];上海交通大學(xué);2011年

9 梁守青;支持語義推理的電信業(yè)務(wù)執(zhí)行機(jī)制的研究與實現(xiàn)[D];北京郵電大學(xué);2007年

10 齊燕;基于語義的知識管理型電子政務(wù)的工作流技術(shù)研究[D];南昌大學(xué);2007年

本文編號：2609054