| 使用环境 |
在智能安防和视频监控场景中，特别是在夜间或低光照条件下，可见光摄像机和红外摄像机交替使用，行人图像存在模态差异和噪声干扰。 |
| 使用对象 |
监控场景中的行人 |
| 使用目的 |
在不同模态（可见光和红外）的监控摄像头之间准确匹配和识别行人身份，提高监控系统的准确性和可靠性 |
| 输入数据 |
输入图像尺寸为384pixel×128pixel的可见光图像和红外图像 |
| 输出数据 |
行人身份的匹配结果，包括Rank-1准确率、mAP等指标 |
| 硬件配置 |
使用单个RTX 4090 GPU，基于PyTorch框架实现。输入图像尺寸为384pixel×128pixel，可支持随机水平翻转、随机裁剪和随机擦除等数据增强技术。 |
| 样本获取 |
在实际监控场景中，从不同角度和光照条件下获取行人图像样本，用于训练和测试算法。在实际监控场景中，从不同角度和光照条件下获取行人图像样本，用于训练和测试算法。 |
| 测试结果 |
在SYSU-MM01数据集全局搜索模式下，Rank-1准确率达到82.14%，mAP达到81.59%；在RegDB数据集上，从可见光到红外模式下，Rank-1准确率达到95.39%，mAP达到94.84%；从红外到可见光模式下，Rank-1准确率达到94.37%，mAP达到94.84%；在LLCM数据集上，Rank-1准确率达到73.63%和71.22%，mAP达到65.83%和65.70%。 |
| 执行速度 |
检测速度约为9.6ms/次 |
| 资源消耗 |
模型内存为297.73MB，每个epoch的训练时间为173.21秒。 |
| 源码类型 |
提供Python版本源码 |
| 文件大小 |
算法程序文件约32K。 |
| 相关备注 |
|
