Institutional Repository of Coll Comp & Commun
| 基于三角模型的行人再识别度量方法 | |
张红 ; 任伟; 李建华; 徐志刚; 曹洁
| |
| 2020-09-25 | |
| 专利权人 | 兰州理工大学 |
| 公开日期 | 2020-09-25 |
| 授权国家 | 中国 |
| 专利类型 | 发明申请 |
| 摘要 | 本发明公开了基于三角模型的行人再识别度量方法，属于计算机视觉和模式识别技术领域。本发明通过BFE模型提取行人图像的细粒度特征，通过三元组损失函数确定两样本点之间的距离进行测量。本发明中利用损失函数对多个模型结构的训练具有很好的监督性能，可以有效提高行人再识别准确率，并且在三个数据集上具有良好的泛化能力。本发明采用BFE模型结构，提出的一种基于三角模型的三元组损失函数方法可以有效提升行人再识别准确度，损失函数对模型的训练有更强的监督作用。 |
| 申请日期 | 2020-06-17 |
| 优先权日 | 2020-06-17 |
| 专利状态 | 撤回-主动撤回 |
| 申请号 | CN202010555745.X |
| 公开（公告）号 | CN111709367A |
| IPC 分类号 | G06K9/00 ; G06K9/62 ; G06N3/04 ; G06N3/08 |
| 专利代理人 | 张铁兰 |
| 代理机构 | 北京劲创知识产权代理事务所(普通合伙) |
| CPC分类号 | G06N3/08 ; G06V40/10 ; G06N3/047 ; G06F18/22 ; G06F18/214 |
| 权利要求 | 1.基于三角模型的行人再识别度量方法，其特征在于所述包括如下步骤： 1)以BFE中的网络模型和Resnet50模型为基本模型，其中，BFE模型含有两个分支，一个分支用来学习行人图像的全局特征，另外一个分支用来提取行人图像的细粒度特征； 2)以锚样本、正样本和负样本组成三元组损失函数，对锚样本、正样本和负样本构造三角形△apn，其顶点分别为xa，xp和xn，它们的边对应两样本点之间的距离。 2.根据全能力要求1所述的基于三角模型的行人再识别度量方法，其特征在于所述步骤1)中两个分支可以对行人图像的全局和细粒度特征进行联合学习。 |
| 被引用专利数量 | 0 |
| 简单法律状态 | 失效 |
| 文献类型 | 专利 |
| 条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/107490 |
| 专题 | 计算机与通信学院 |
| 推荐引用方式 GB/T 7714 | 张红,任伟,李建华,等. 基于三角模型的行人再识别度量方法[P]. 2020-09-25. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [张红]的文章 |
| [任伟]的文章 |
| [李建华]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [张红]的文章 |
| [任伟]的文章 |
| [李建华]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [张红]的文章 |
| [任伟]的文章 |
| [李建华]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论