毕业设计 深度学习行人重识别（源码+论文）

文章目录0 前言1 项目运行效果2 设计概要4 最后0 前言这两年开始毕业设计和毕业答辩的要求和难度不断提升传统的毕设题目缺少创新和亮点往往达不到毕业答辩的要求这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。并且很难找到完整的毕设参考学习资料。为了大家能够顺利以及最少的精力通过毕设学长分享优质毕业设计项目提供大家参考学习今天要分享的是毕业设计 深度学习行人重识别源码论文学长这里给一个题目综合评分(每项满分5分)难度系数3分工作量3分创新点4分 项目分享:见主页简介1 项目运行效果手动标记要重识别的行人成功实时识别目标人物视频效果毕业设计 深度学习行人重识别2 设计概要文中提到的行人重识别系统基于PyTorch框架实现首先需要使用PyTorch来实现行人图像检测和行人特征提取。对于检测部分使用openCV调用基于多尺度检测的改进的YOLO算法模型来进行行人检测。在检测到行人后对行人图像区域进行截取并进行大小规范化。对于特征提取部分使用预先训练好的引入空洞卷积的resnet-50卷积神经网络来提取行人图像的视觉特征。接下来需要对特征进行比对。使用欧氏距离来计算两个特征之间的相似度。如果两个特征之间的距离小于特定的阈值就认为这两个特征来自同一个行人否则我们认为它们来自不同行人。最后对于界面部分使用PyQt5来构建交互式界面。在界面上显示行人图像和识别结果并提供一些按钮来让用户进行相应的操作。使用YOLO模型检测图像中的行人并截取其图像区域。接着使用改进的ResNet-50网络对行人图像区域进行特征提取得到行人的视觉特征。然后将提取得到的行人视觉特征与数据库中的特征进行比对确定是否已经识别过该行人。在比对完成后将识别的结果以及行人图像在界面上显示出来。PyQt5用于实现交互界面使得用户可以方便地操作并查看结果。总的来说该系统的工作流程包括图像检测、特征提取、特征比对和界面显示篇幅有限更多详细设计见设计论文4 最后项目包含内容完整详细设计论文 项目分享:见主页简介