- 微软研究人员在2015年人工智能会议上提交的一篇论文《用于图像识别的深度残差学习》，迅速攀升至历史百大榜单第5名（WoS、Dimensions和Scopus数据库排名中位数分析）。《用于图像识别的深度残差学习》已经成为21世纪以来被引用次数最多的论文。该论文的作者提出了深度残差学习（ResNet）架构，突破性地解决了深层神经网络训练中的信号衰减问题，使网络层数达到前所未有的深度，并在2015年赢得图像识别竞赛。ResNet不仅成为深度学习发展的重要里程碑，也为后续的AI突破 —— 如AlphaGo、Alp
- 关键字：
图像识别 ResNet AI ChatGPT
- 摘要：行人序列重识别是对同一个人进行跨摄像头识别，要实现跨摄像头行人精确识别必须充分利用行人序
列的时空线索。为了解决这个问题，本文提出了一种基于全局引导的行人序列重识别，首先利用ResNet-50提
取行人序列特征；然后用全局引导网络将行人序列特征分解为全局特征和局部特征，并提取行人序列全局特征
和局部特征的时间相关性；最后对行人序列特征PCA降维后用JS散度计算相似度。实验结果表明本文算法在跨
摄像头行人序列重识别中识不仅识别率高，而且效率高。关键词：行人序列重识别；ResNet-50；全局引
- 关键字：
202209 行人序列重识别 ResNet-50 全局引导 PCA
resnet介绍
您好，目前还没有人创建词条resnet!
欢迎您创建该词条，阐述对resnet的理解，并与今后在此搜索resnet的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
