【摘 要】
：
行人重识别在视频监控、智慧侦察、公共安全等领域有广泛的实用价值与研究意义。由于现实场景中存在不平衡的光线、身体部位的遮挡、人的姿势变化等复杂因素,使行人重识别任务变得很具挑战性。主流方法往往单独利用卷积神经网络（Convolutional Neural Networks,CNN）或者Transformer提取行人的关键信息,如何将Transformer和CNN有机地结合来完成行人重识别任务是目前研
论文部分内容阅读
行人重识别在视频监控、智慧侦察、公共安全等领域有广泛的实用价值与研究意义。由于现实场景中存在不平衡的光线、身体部位的遮挡、人的姿势变化等复杂因素,使行人重识别任务变得很具挑战性。主流方法往往单独利用卷积神经网络（Convolutional Neural Networks,CNN）或者Transformer提取行人的关键信息,如何将Transformer和CNN有机地结合来完成行人重识别任务是目前研究的重点。本文利用CNN和Transformer各自的优势,并改进三元组损失函数,提出了一种动态梯度引导的渐进语义累积网络。主要工作如下:（1）本文提出一种联合CNN和Transformer的行人重识别网络架构。针对原始CNN对行人语义的弱表达问题,本文将特征金字塔与注意力机制有机结合,提出了一种通道分组金字塔注意力机制。针对Transformer输入特征的通道语义信息不足的问题,本文对传统的Transformer进行了改进,并提出一种质心边距损失函数,以协助Transformer更好地捕获上下文信息。在整个架构中,CNN不断向Transformer传递单层次特征,Transformer不断累积多层次语义。可视化、对比实验表明,整个架构能够很好地表达行人的语义信息,相对于基准网络有更高的检索精度。（2）针对传统三元组损失函数仅仅依靠固定的梯度引导网络训练的问题,本文对传统的难样本挖掘三元组损失函数进行了改进。利用“惩罚”的概念加强正负样本对的约束,并将样本之间的分布信息融合到惩罚因子中,依靠动态梯度引导渐进语义累积网络的训练。消融实验表明,改进的损失在多个公开数据集上展示了竞争力的性能。在多个不同的行人重识别网络中也证明了所提损失函数的有效性。本文所提方法的有效性在行人重识别公开数据集Market1501、Duke MTMC、MSMT17、CUHK03、Occluded-Duke和Partial-i LIDS得到验证,并取得竞争性的性能。
其他文献
无人机（Unmanned Aerial Vehicle,UAV）作为一种新兴装备,具有灵活部署和易于控制等特点。将UAV应用于现代移动通信网络,从而扩大网络覆盖范围或构建UAV集群网络,已成为无线通信领域研究热点之一。与此同时,伴随着Alpha Go的成功,作为强化学习（Reinforcement Learning,RL）重要分支的多智能体强化学习（Multi-agent RL,MARL）,由于能
在高肥胖率和人口老龄化的趋势下,心血管疾病等慢性病发生率越来越高。对血氧饱和度和心率等关键生命指标进行持续可靠的监测,对于预防慢性病来说变得非常重要。基于光电容积脉搏波描记法（Photoplethysmography,PPG）的检测方法广泛用于无创、连续、实时的人体血氧饱和度、心率、血压等生命体征参数监测,为临床医疗检测和便携式医疗设备提供了重要的技术方案。本文研究和设计了一种用于脉搏波信号检测的
智能监控系统中的视频异常检测技术旨在自主检测出监控画面中的异常事件,有利于维护社会公共安全,具有较高的学术价值和工业价值,也是当前计算机视觉领域的研究热点之一。影响视频异常检测算法精度的主要因素包含事件的时空特征学习和异常评估两个部分,本文将从这两个方面着手研究,以实现事件的完备描述,增强异常事件的可分辨性,进而提高异常检测精度,主要内容包括:（1）针对基于深度学习的帧重构模型泛化能力过强而无法保
随着下一代网络多媒体化发展,业务呈现出爆炸式增长特性,仅凭现有地面网络架构与物理层技术难以产生真正的通信技术变革以满足日益增加的网络业务承载,且地面网络弱覆盖以及系统高能耗等问题亟待解决。本文从6G网络实现泛在连接和高能效两大目标出发,构建了兼具穿透和反射的可重构智能表面（STAR-RIS）辅助的空天地一体化网络架构,其中STAR-RIS能进一步扩展空天地一体化网络服务范围,从而满足山地等复杂场景
在万物互联的时代,无线通信技术的高速发展极大地方便了人们的工作与生活。但受限于地理等因素,现有的地面网络仍无法满足全球日益增长的通信需求,由此卫星通信技术开始受到业内人士的青睐。然而,卫星波束宽广的覆盖范围和无线电信号的广播特性使得卫星系统更容易受到不法分子的恶意攻击。考虑到无线环境的高度开放性与计算机运算能力的不断提升,仅依靠加密手段可能不足以保证无线通信系统的安全。因此论文围绕星地通信网络中的
在新兴物联网应用的驱动下,越来越多的设备接入物联网,大量数据涌入数据融合中心等待处理,而数据的保真度和时效性就显得至关重要。作为物联网中典型的数据驱动应用,无线传感器网络由多个在空间上分布的传感器和数据融合中心组成。传感器负责采集数据,数据融合中心负责处理数据并将数据交付给使用者。在该网络中,同时追求新鲜度和保真度成为了一大挑战。事实上,无线传感器网络的部署方式发挥着不可小觑的作用,恰当的部署方式
危险驾驶行为中,疲劳驾驶和分心驾驶是导致道路交通事故发生的主要原因。对危险驾驶行为进行检测并及时预警,可以有效降低道路交通事故的发生率,保障人民的生命与财产安全。因此,面向危险驾驶行为检测方法的研究成为近年的一大研究热点,并取得了较好的效果。但在资源有限的边缘端设备上,危险驾驶行为检测方法面临着光照环境适应性不强和准确率低等挑战。论文面向以上挑战,开展对于不同光照环境具有良好适应性的高效危险驾驶行
图像作为记录和呈现信息的重要载体,被广泛应用于人类日常生活。高质量图像呈现出的信息和纹理更加丰富。然而,受成像系统和拍摄环境等因素的限制,获取的图像的分辨率有时很难满足实际需求,从软件技术出发提升图像分辨率的超分辨率重建技术由此产生。随着硬件设施性能的提升和深度学习技术的发展,基于深度学习的图像超分辨率重建被各界学者广泛关注。本文针对目前基于深度学习的图像超分辨率重建方法存在的不足,结合注意力机制
随着物联网（Internet of Things,Io T）技术的快速发展和广泛应用,海量数据接入、并发设备连接以及对实时性等有更高要求的新兴应用给现有的移动通信网络带来了严峻挑战。移动边缘计算（Mobile Edge Computing,MEC）将资源下沉到网络边缘,靠近用户,可以增强终端处理能力,降低任务处理时延。然而,传统的MEC受限于固定部署,在一些特殊应用场景存在局限性,搭载边缘服务器的
工业互联网将工业控制,计算机应用,通信网络紧密融合,可实现工业业务的垂直化部署。三者融合需实现模型表达的准确性,功能描述的一致性以及参数的有效传递能力。例如在工业控制业务部署时,通过Apache对业务部署逻辑的一致性进行冲突检测。同样在5G中虚拟网络功能（Virtualized Network Function,VNF）的部署时,需对计算机进程之间的冲突进行检测以及解决VNF之间对共享资源的竞争问