基于生成对抗网络联合时空模型的行人重识别方法

跨摄像头的行人跟踪是智慧城市和智能安防的技术难题,而行人重识别是跨摄像头行人跟踪中最关键的技术。针对因领域偏差而导致行人重识别算法跨场景应用时准确率大幅下降的问题,提出一种基于生成对抗网络（GAN）联合时空模型的方法（STUGAN）。首先,通过引入GAN生成目标场景的训练样本,以增强识别模型的稳定性;然后,利用时空特征构建目标场景样本的时空模型,以筛选低概率匹配样本;最后,融合识别模型与时空模型来进行行人的重识别。在该领域典型的公开数据集Market-1501和DukeMTMC-reID上与词袋模型（BoW）、先进的无监督学习（PUL）、无监督多任务字典学习（UMDL）等先进无监督算法进行实验对比。实验结果分析表明,所提方法在Market-1501数据集上的rank-1、rank-5及rank-10指标的准确率达到66.4%、78.9%及84.7%,比对比算法最好结果分别高5.7,5.0和4.4个百分点;平均精度均值（mAP）仅低于保持主题一致性的循环生成网络（SPGAN）。     

LTE的革命性演进及其战略性前景略析(二)

上期本文介绍了3GPP提出的WCDMA的长期演进(LTE,Long Term Evolution)研究工作的开展背景、LTE系统的主要需求指标、以及LTE基本传输技术和多址技术、宏分集、帧结构和系统参数设计三个方面的物理层技术.     

日本停车场行业发展给中国的启示

城市交通是现代化大都市所面临的的严峻课题。今天,不管是先进国家的的名城大都,还是发展中国家的新兴城市,都会发出无奈的叹息:“规划赶不上变化,道路的发展赶不上汽车的发展”。而当我们费尽心机在公共道路建设上投入大量社会资本初步缓解了“行车难”问题,却发现“停车难”问题又接踵而至。     

基于生成对抗网络联合时空模型的行人重识别方法

跨摄像头的行人跟踪是智慧城市和智能安防的技术难题，而行人重识别是跨摄像头行人跟踪中最关键的技术。针对因领域偏差而导致行人重识别算法跨场景应用时准确率大幅下降的问题，提出一种基于生成对抗网络（GAN）联合时空模型的方法（STUGAN）。首先，通过引入GAN生成目标场景的训练样本，以增强识别模型的稳定性；然后，利用时空特征构建目标场景样本的时空模型，以筛选低概率匹配样本；最后，融合识别模型与时空模型来进行行人的重识别。在该领域典型的公开数据集Market-1501和DukeMTMC-reID上与词袋模型（BoW）、先进的无监督学习（PUL）、无监督多任务字典学习（UMDL）等先进无监督算法进行实验对比。实验结果分析表明，所提方法在Market-1501数据集上的rank-1、rank-5及rank-10指标的准确率达到66.4%、78.9%及84.7%，比对比算法最好结果分别高5.7，5.0和4.4个百分点；平均精度均值（mAP）仅低于保持主题一致性的循环生成网络（SPGAN）。     

LTE的革命性演进及其战略性前景略析(一)

文章介绍了3GPP提出的WCDMA的长期演进(LTE,Long Term Evolution)研究工作的开展背景、LTE系统的主要需求指标、LTE物理层和网络架构的主要技术特征及近期进展等.通过分析可以看出,LTE中采用的许多技术与目前WCDMA、HSPA系统所采用的技术完全不同,它几乎是一套全新的通信网络,是一次战略性的革命.