-
图 1 差异矩阵描述子
Figure 1.
-
图 2 算法框架图
Figure 2.
-
图 3 双向参考集与随机参考集结果对比图
Figure 3.
-
行人 行人1 行人2 行人3 行人4 重叠率$\sigma $ 20 50 10 25 表 1 两个摄像头下参考集里的样本标签的重叠率
$\sigma $ (%) -
方法 VIPeR CHUK01 PRID450S Rank-1 Rank-5 Rank-1 Rank-5 Rank-1 Rank-5 ${{\rm{L}}_{\rm{2}}}$范数(GoG) 19.00 38.00 24.17 51.33 32.44 60.00 F范数(GoG) 20.17 41.83 34.50 69.83 52.22 80.22 ${\rm{BR}}{{\rm{M}}^{\rm{2}}}{\rm{L}}$(GoG) 38.33 69.17 45.33 70.50 54.44 80.67 ${{\rm{L}}_{\rm{2}}}$范数(FCTNN) 29.00 46.00 37.44 58.00 31.73 57.96 F范数(FCTNN) 30.00 49.83 46.56 72.11 44.40 72.84 ${\rm{BR}}{{\rm{M}}^{\rm{2}}}{\rm{L}}$(FCTNN) 41.33 68.17 47.42 77.44 45.51 72.96 表 2 在3个数据集上采用不同特征的匹配精度(%)
-
方法 Rank-1 Rank-5 Rank-10 Rank-20 PCCA[16] 19.3 48.9 64.9 80.3 KISSME[18] 19.6 48.0 62.2 77.0 BiCov[17] 20.6 43.2 56.1 68.0 eSDC[19] 26.3 46.4 58.6 72.8 DeepMetric[24] 28.2 59.3 73.4 86.4 Midfilter[21] 29.1 52.5 65.9 79.9 LADF[20] 30.0 64.0 80.0 92.0 FTCNN[15]+XQDA 31.2 59.8 74.0 83.5 RD[6] 33.3 65.1 78.3 88.5 GoG[14]+XQDA 37.3 67.4 77.2 89.6 SCNCD[22] 37.8 68.5 81.2 90.4 ${\rm{D}}{{\rm{M}}^{\rm{3}}}$[4] 38.3 67.2 77.0 89.3 DeepRanking[25] 38.4 69.2 81.3 90.4 LOMO+XQDA[23] 40.0 68.5 80.5 91.0 DeepList[26] 40.5 69.1 80.1 91.2 ${\rm{BR}}{{\rm{M}}^2}{\rm{L}}$(GoG) 38.33 69.17 81.50 89.50 ${\rm{BR}}{{\rm{M}}^2}{\rm{L}}$(FTCNN) 41.33 68.17 82.00 90.33 表 3 VIPeR数据集上的结果
-
表 4 PRID 450S数据集上的结果
-
方法 Rank-1 Rank-5 Rank-10 Rank-20 SDALF[1] 9.9 22.6 30.3 41.0 TML[12] 20.0 43.5 56.0 69.3 MidFilter[21] 34.3 55.1 65.0 74.9 ImprovedDeep[31] 47.5 71.0 80.0 – RD[6] 31.1 – 68.5 79.1 ${\rm{D}}{{\rm{M}}^{\rm{3}}}$[4] 43.7 70.1 77.4 88.7 ${\rm{BR}}{{\rm{M}}^2}{\rm{L}}$(GoG) 45.33 70.50 86.50 90.00 ${\rm{BR}}{{\rm{M}}^2}{\rm{L}}$(FTCNN) 47.42 77.44 88.33 98.33 表 5 CUHK01数据集上的结果
图共
3 个 表共
5 个
