[发明专利]基于深度学习联合优化的行人重识别方法在审
| 申请号： | 201810932825.5 | 申请日： | 2018-08-15 |
| 公开（公告）号： | CN109102025A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 程建;王艳旗;苏炎洲;林莉;汪雯 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 邹敏菲 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习联合优化的行人重识别方法，步骤为：步骤1、采集筛选数量均衡的正负行人样本对，构建数据集；步骤2、构建深度学习的Siamese神经网络结构模型，包括两路前端卷积神经网络和多层级特征融合模块，将正负行人样本输入模型，提取得到两路不同的行人的Hyper特征；步骤3、将两路不同行人的Hyper特征送入分类网络和验证网络，联合分类网络和验证网络，联合分类损失函数和验证损失函数，优化神经网络结构模型参数。该方法联合采用深度卷积神经网络和HyperNet网络，提取多尺度的特征增强对行人目标的检测能力，联合验证模型和分类模型优化网络结构，得到性能优越的行人重识别神经网络结构模型。 | ||
| 搜索关键词： | 神经网络结构 验证 两路 卷积神经网络 分类网络 联合优化 损失函数 构建 联合 特征融合模块 分类模型 模型参数 数量均衡 特征增强 网络结构 样本输入 网络 多层级 多尺度 数据集 学习 优化 样本 送入 采集 筛选 分类 检测 | ||
【主权项】：
1.一种基于深度学习联合优化的行人重识别方法，其特征在于：方法步骤如下：步骤1、采集筛选数量均衡的正负行人样本对，构建数据集；步骤2、构建深度学习的Siamese神经网络结构模型，包括两路前端卷积神经网络和多层级特征融合模块，将数据集中的正负行人样本输入模型，提取得到两路不同的行人的Hyper特征；步骤3、将步骤2得到的两路Hyper特征分别送入两个分类网络，将两路Hyper特征差值送入验证网络，联合分类网络和验证网络，联合分类损失函数和验证损失函数，优化步骤2构建的神经网络结构模型参数，得到优化后的行人重识别的深度学习的Siamese神经网络结构模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810932825.5/，转载请声明来源钻瓜专利网。
