声明
第一章 绪 论
1.1 研究背景与意义
1.2 研究现状
1.3 本文的工作与安排
第二章 车辆重识别方法简介
2.1 车辆重识别数据集简介
2.2 基于特征学习的车辆重识别方法
2.2.1 仅使用外观信息的特征学习方法
2.2.2 利用辅助信息的特征学习方法
2.3 基于度量学习的车辆重识别方法
第三章 基于稀疏融合的多视图车辆重识别研究
3.1 引言
3.2 基于拉普拉斯约束的关联稀疏融合多视图
3.2.1 多视图深度特征学习
3.2.2 基于拉普拉斯约束的关联稀疏排序
3.2.3 扩展交叉邻域重排序
3.3 实验结果与分析
3.3.1 数据集与主流方法介绍及评估度量
3.3.2 实验结果分析
3.3.3 组成成分分析
3.3.4 参数分析
3.4 本章小结
第四章 基于多尺度注意力机制的车辆重识别研究
4.1 引言
4.2 基于多尺度注意力机制的车辆重识别网络
4.2.1 网络结构
4.2.2 多尺度机制
4.2.3 空间通道注意力模块
4.2.4 训练细节
4.3 实验结果与分析
4.3.1 数据集与主流方法介绍及评估度量
4.3.2 实验结果分析
4.3.3 组成成分分析
4.3.4 参数分析
4.4 本章小结
第五章 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
攻读硕士学位期间参与的科研项目
攻读硕士学位期间取得的学术成果
致 谢
安徽大学;