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:见文末!
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:见文末!
