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。