24、基于显著加权特征与正则化贝叶斯度量学习的行人重识别技术

基于显著加权特征与正则化贝叶斯度量学习的行人重识别技术

显著加权特征在行人重识别中的应用

在行人重识别领域，采用显著加权特征的方法展现出了良好的性能。通过在多个知名数据集上的实验，能够清晰地看到该方法相较于现有技术的优势。

VIPeR数据集实验

在VIPeR数据集上，对不同测试集大小下的识别率进行了比较。具体数据如下表所示：
| 测试集大小 | 排名 | 提出方法 | RCCA | RPLM | PRDC | MCC | LAFT | PCCA |
| — | — | — | — | — | — | — | — | — |
| 432 | 1 | 24.72 | 22 | 20 | 13 | - | - | - |
| | 10 | 66.29 | 59 | 56 | 44 | - | - | - |
| | 20 | 82.70 | 75 | 71 | 60 | - | - | - |
| 512 | 1 | 14.77 | - | - | 9.12 | 5.00 | 12.90 | 9.27 |
| | 5 | - | - | - | 24.19 | 16.32 | 30.30 | 24.89 |
| | 10 | 53.29 | - | - | 34.40 | 25.92 | 42.73 | 37.43 |
| | 20 | 68.32 | - | - | 48.55 | 39.64 | 58.02 | 52.89 |
| 532 | 1 | 10.67 | 15 | 11 | 9 | - | - | - |
| | 10 | 45.46 | 47 | 38 |