做網(wǎng)站在哪里租服務(wù)器新網(wǎng)
特征
VGG是第一個提出使用塊的想法，通過使用循環(huán)和子程序，可以很容易地在任何現(xiàn)代深度學(xué)習(xí)框架的代碼中實(shí)現(xiàn)這些重復(fù)的架構(gòu)。
原始VGG網(wǎng)絡(luò)有5個卷積塊，其中前兩個塊各有一個卷積層，后三個塊各包含兩個卷積層。 第一個模塊有64個輸出通道，每個后續(xù)模塊將輸出通道數(shù)量翻倍，直到該數(shù)字達(dá)到512。由于該網(wǎng)絡(luò)使用8個卷積層和3個全連接層，因此它通常被稱為VGG-11。VGG-11比AlexNet計算量更大。
在VGG論文中，發(fā)現(xiàn)深層且窄的卷積（即3×3）比較淺層且寬的卷積更有效。
1. 總體架構(gòu)
整個系統(tǒng)是一個用于人體跟蹤和重識別的系統(tǒng)，主要模塊包括：
- 檢測模塊（Detector）：用于檢測圖像中的人臉和身體。
- 跟蹤模塊（Tracker）：用于跟蹤檢測到的人臉和身體位置。
- 重識別模塊（ReID）：用于在丟失目標(biāo)后重新識別目標(biāo)。
- 特征提取模塊（Feature Extractor）：用于提取圖像特征，輔助跟蹤和重識別。
- 關(guān)鍵點(diǎn)檢測模塊（Keypoints）：用于檢測人體關(guān)鍵點(diǎn)。
- 分類器模塊（Classifier）：用于對目標(biāo)進(jìn)行分類，比如姿態(tài)分類。
2. 數(shù)據(jù)流
數(shù)據(jù)主要是圖像數(shù)據(jù)，從攝像頭捕獲，然后經(jīng)過以下處理流程：
- 圖像捕獲：從攝像頭捕獲圖像。
- 圖像預(yù)處理：對圖像進(jìn)行必要的預(yù)處理，比如縮放。
- 目標(biāo)檢測：使用檢測模塊檢測圖像中的人臉和身體位置。
- 特征提取：提取檢測到的目標(biāo)的圖像特征。
- 跟蹤：初始化跟蹤器，開始跟蹤目標(biāo)。
W/Wo 深度信息 - 重識別：在目標(biāo)丟失時，使用重識別模塊重新識別目標(biāo)。
設(shè)置 ReID 條件：通過設(shè)置 ReidCondition 對象的各個屬性來為 ReID 提供條件，包括之前的邊界框、跟蹤狀態(tài)、匹配模式和丟失幀數(shù)。
執(zhí)行 ReID 匹配：調(diào)用 ReID 模塊的 match 方法，根據(jù)設(shè)置的條件和當(dāng)前的輸入圖像進(jìn)行 ReID 匹配，返回匹配結(jié)果。
重置跟蹤狀態(tài)：在處理匹配結(jié)果之前，先將面部和身體的邊界框和狀態(tài)重置為默認(rèn)值，以確保之后的更新是基于最新的匹配結(jié)果。
處理 ReID 結(jié)果：根據(jù)匹配結(jié)果更新面部和身體的邊界框和狀態(tài)。如果匹配成功，則更新對應(yīng)的邊界框和狀態(tài)。如果身體匹配成功，但深度差異過大，則認(rèn)為匹配不成功。
- 結(jié)果輸出：輸出跟蹤結(jié)果和重識別結(jié)果。
3. 模塊間交互
檢測模塊和跟蹤模塊
檢測模塊檢測到目標(biāo)后，將目標(biāo)的位置傳遞給跟蹤模塊，跟蹤模塊初始化跟蹤器，開始跟蹤目標(biāo)。
跟蹤模塊和重識別模塊
在跟蹤過程中，如果目標(biāo)丟失，跟蹤模塊會調(diào)用重識別模塊進(jìn)行目標(biāo)的重新識別。重識別模塊根據(jù)圖像特征和先前的跟蹤信息進(jìn)行匹配，找到最符合的目標(biāo)位置。
特征提取模塊
特征提取模塊在檢測和重識別過程中都起到重要作用。它提取圖像中的特征信息，用于目標(biāo)的識別和跟蹤。
- EcoTracker：這個模塊是整個系統(tǒng)的核心，負(fù)責(zé)目標(biāo)跟蹤和管理樣本。
- FeatureFactory：特征提取工廠，負(fù)責(zé)從圖像中提取特征。
- ReID（重識別）：負(fù)責(zé)在目標(biāo)丟失后重新識別目標(biāo)。
- ScaleFilter：負(fù)責(zé)處理目標(biāo)的尺度變化。