- 微軟研究人員在2015年人工智能會議上提交的一篇論文《用于圖像識別的深度殘差學習》，迅速攀升至歷史百大榜單第5名（WoS、Dimensions和Scopus數據庫排名中位數分析）。《用于圖像識別的深度殘差學習》已經成為21世紀以來被引用次數最多的論文。該論文的作者提出了深度殘差學習（ResNet）架構，突破性地解決了深層神經網絡訓練中的信號衰減問題，使網絡層數達到前所未有的深度，并在2015年贏得圖像識別競賽。ResNet不僅成為深度學習發展的重要里程碑，也為后續的AI突破 —— 如AlphaGo、Alp
- 關鍵字：
圖像識別 ResNet AI ChatGPT
- 摘要：行人序列重識別是對同一個人進行跨攝像頭識別，要實現跨攝像頭行人精確識別必須充分利用行人序
列的時空線索。為了解決這個問題，本文提出了一種基于全局引導的行人序列重識別，首先利用ResNet-50提
取行人序列特征；然后用全局引導網絡將行人序列特征分解為全局特征和局部特征，并提取行人序列全局特征
和局部特征的時間相關性；最后對行人序列特征PCA降維后用JS散度計算相似度。實驗結果表明本文算法在跨
攝像頭行人序列重識別中識不僅識別率高，而且效率高。關鍵詞：行人序列重識別；ResNet-50；全局引
- 關鍵字：
202209 行人序列重識別 ResNet-50 全局引導 PCA
resnet介紹
您好，目前還沒有人創建詞條resnet!
歡迎您創建該詞條，闡述對resnet的理解，并與今后在此搜索resnet的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
