[发明专利]一种基于深度余弦度量学习的行人重识别方法在审
| 申请号： | 201811621891.7 | 申请日： | 2018-12-28 |
| 公开（公告）号： | CN109829377A | 公开（公告）日： | 2019-05-31 |
| 发明（设计）人： | 王敏;单纯;蔡鑫鑫 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 唐红 |
| 地址： | 210000 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于深度余弦度量学习的行人重识别方法，通过在卷积softmax动态分类器上的一个简单重复参数化来使得余弦相似度达到最佳效果，在测试时，最终的分类层可以从网络中剥离，以方便对使用余弦相似度量的未见个体进行最邻近查询。本发明将分类方法与度量学习方法相结合，通过softmax分类器的再参量化，从而将度量学习目标直接编码到分类任务中。 | ||
| 搜索关键词： | 余弦度量 度量 分类 余弦相似度 动态分类 相似度量 学习目标 直接编码 参量化 参数化 分类器 卷积 余弦 学习 剥离 邻近 测试 查询 重复 网络 | ||
【主权项】：
1.一种基于深度余弦度量学习的行人重识别方法，其特征在于：先调整输入图像的尺寸，将图像呈现到RGB空间的网络中，然后通过一系列的卷积层调整feature map的尺寸，接着提取总体特征向量进行归一化以后，将特征投射到应用cosine softmax分类器的单位球面上，最后分类器通过最大可能性来选择类；包括以下步骤：步骤1：将输入图像调整到对应尺寸并呈现到RGB网络中，且RGB网络包含若干遵循预激活排列的残差块；步骤2：通过对应卷积层将feature map的尺寸减小到对应大小；步骤3：将上述结果放入dense层中，并提取总体特征向量；步骤4：使用l2normalization对特征向量进行归一化；步骤5：将归一化后的特征投射到应用cosine softmax分类器的单位球面上；步骤6：分类器通过最大可能性来选择类。
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河海大学，未经河海大学许可，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/201811621891.7/，转载请声明来源钻瓜专利网。
