申请/专利权人：深圳须弥云图空间科技有限公司

申请日：2023-12-14

公开（公告）日：2024-04-16

公开（公告）号：CN117893790A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/42;G06V10/80

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本公开提供了一种基于特征对齐的目标重识别方法及装置。该方法包括：利用特征对齐网络、多个特征提取网络以及每个特征提取网络对应的池化层、全连接层和分类层构建目标重识别模型；将每组训练图像输入目标重识别模型：通过每个特征提取网络输出该组训练图像中该特征提取网络对应类型的图像的图像特征，通过特征对齐网络输出该组训练图像中多张图像对应的融合特征，通过每个特征提取网络对应的分类层输出该组训练图像中该特征提取网络对应类型的图像的识别结果；基于每组训练图像的多个识别结果计算分类损失，基于每组训练图像的多个图像特征和融合特征计算特征对齐损失；依据分类损失和特征对齐损失优化目标重识别模型。

主权项：1.一种基于特征对齐的目标重识别方法，其特征在于，包括：利用Transformer模块构建特征对齐网络，其中，所述Transformer模块由Transformer单元构成；利用残差网络构建多个提取不同类型图像的特征的特征提取网络，利用所述特征对齐网络、多个特征提取网络以及每个特征提取网络对应的池化层、全连接层和分类层构建目标重识别模型；获取训练数据集，其中，训练数据集中包含多组训练图像，每组训练图像包含多张关于同一个对象的不同类型的图像，所述目标重识别模型中特征提取网络的数量和每组训练图像中图像的数量相同；将每组训练图像输入所述目标重识别模型：通过每个特征提取网络输出该组训练图像中该特征提取网络对应类型的图像的图像特征，通过所述特征对齐网络输出该组训练图像中多张图像对应的融合特征，通过每个特征提取网络对应的分类层输出该组训练图像中该特征提取网络对应类型的图像的识别结果；基于每组训练图像的多个识别结果计算分类损失，基于每组训练图像的多个图像特征和融合特征计算特征对齐损失；依据所述分类损失和所述特征对齐损失优化所述目标重识别模型的模型参数，以完成对所述目标重识别模型的训练。

全文数据：

权利要求：

百度查询： 深圳须弥云图空间科技有限公司 基于特征对齐的目标重识别方法及装置

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。

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