申请/专利权人：西北工业大学

申请日：2023-03-03

公开（公告）日：2023-05-23

公开（公告）号：CN116152860A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/42;G06V10/44;G06V10/80;G06V10/82;G06V10/74;G06N3/045;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.22#实质审查的生效;2023.05.23#公开

摘要：本发明公开了一种高空视域下行人重识别网络，其特征在于，包括全局分支和局部分支的多分支网络；所述全局分支以ResNet50的{R2，R3，R4，R5}四个阶段的输出构建特征金字塔，用于获得ResNet50的各个阶段中的特征语义信息；所述局部分支将R4阶段的Conv4_1输出的特征向量均匀划分为五个部分，并对这五个部分采取不同的组合策略构建特征提取分支，用于学习到粗细粒度不同的局部语义特征。本发明使用交叉熵和三元组损失函数共同优化多分支网络，将两者的优点结合，保证网络特征提取效果的同时，降低类内间距，提高类间间距。

主权项：1.一种高空视域下行人重识别网络，其特征在于，包括全局分支和局部分支的多分支网络；所述全局分支以ResNet50的{R2，R3，R4，R5}四个阶段的输出构建特征金字塔，用于获得ResNet50的各个阶段中的特征语义信息；所述局部分支将R4阶段的Conv4_1输出的特征向量均匀划分为五个部分，并对这五个部分采取不同的组合策略构建特征提取分支，用于学习到粗细粒度不同的局部语义特征。

全文数据：

权利要求：

百度查询： 西北工业大学 一种高空视域下行人重识别网络

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD