[发明专利]一种基于全局距离尺度损失函数的行人再识别方法有效
| 申请号： | 201910186858.4 | 申请日： | 2019-03-13 |
| 公开（公告）号： | CN109993070B | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 何颖;丁长兴;王侃 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 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全局距离尺度损失函数的行人再识别方法，具体步骤包括：对行人再识别数据集的训练数据进行数据增强处理；对每一个批量数据进行随机挑选；构建基于人体组件的深度神经网络并对网络进行初始化；使用交叉熵损失函数和基于全局距离尺度的损失函数同时监督深度神经网络的训练；对目标行人图像及行人图像库中的行人图像分别进行特征提取，进行余弦相似度计算并排序得到识别结果。本发明提出了一种基于统计特性的全局距离尺度的损失函数，能够有效避免噪声干扰和降低过拟合的风险，提高模型鲁棒性和泛化能力。 | ||
| 搜索关键词： | 一种 基于 全局 距离 尺度 损失 函数 行人 识别 方法 | ||
【主权项】：
1.一种基于全局距离尺度损失函数的行人再识别方法，其特征在于，具体步骤包括：对行人再识别数据集的训练数据进行数据增强处理；对每一个批量数据进行随机挑选；构建基于人体组件的深度神经网络并对网络进行初始化；使用交叉熵损失函数和基于全局距离尺度的损失函数同时监督深度神经网络的训练；对目标行人图像及行人图像库中的行人图像分别进行特征提取，进行余弦相似度计算并排序得到识别结果。
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华南理工大学，未经华南理工大学许可，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/201910186858.4/，转载请声明来源钻瓜专利网。
