申请/专利权人:深圳职业技术大学
申请日:2023-12-19
公开(公告)日:2024-03-22
公开(公告)号:CN117746462A
主分类号:G06V40/10
分类号:G06V40/10;G06V10/42;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/0455;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于互补特征动态融合网络模型的行人重识别方法及装置,互补特征动态融合网络模型包括HFE主分支和辅分支,HFE主分支包括Vit网络模块和NFC模块,该方法包括基于Vit网络模块从待识别图像中获取目标行人的结果向量,并从结果向量中提取行人全局特征向量;通过NFC模块获得拼接向量,并基于拼接向量和辅分支输入的补充性二维特征提取行人局部特征向量;基于行人全局特征向量和行人局部特征向量确定行人重识别结果。如此,基于Vit网络模块和辅分支模块进行特征融合,从而获得了细节更加丰富、准确的局部特征向量,再基于全局特征向量和局部特征向量进行重识别,提高了行人重识别结果的准确性。
主权项:1.一种基于互补特征动态融合网络模型的行人重识别方法,其特征在于,所述互补特征动态融合网络模型包括多级特征提取HierarchicalFeatureExtraction,HFE主分支和辅分支,其中,所述HFE主分支包括视觉转换器VisionTransformer,Vit网络模块和邻域特征约束NeighborhoodFeatureConstraint,NFC模块;所述基于互补特征动态融合网络模型的行人重识别方法包括:基于所述Vit网络模块从待识别图像中获取目标行人的结果向量,并从所述结果向量中提取行人全局特征向量;通过所述NFC模块获得拼接向量,并基于所述拼接向量和辅分支输入的补充性二维特征提取行人局部特征向量;基于所述行人全局特征向量和所述行人局部特征向量确定行人重识别结果。
全文数据:
权利要求:
百度查询: 深圳职业技术大学 基于互补特征动态融合网络模型的行人重识别方法及装置
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。