[发明专利]监控场景下基于ResNet-50的行人属性识别方法在审
| 申请号： | 201910425208.0 | 申请日： | 2019-05-21 |
| 公开（公告）号： | CN110457984A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 杨晓宇;殷光强;张裕星;向凯;殷雪朦 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 51244 成都其高专利代理事务所(特殊普通合伙) | 代理人： | 廖曾;贺立中<国际申请>=<国际公布>= |
| 地址： | 611731四川省成都*** | 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： | 本发明公开了监控场景下基于ResNet‑50的行人属性识别方法，包括以下步骤：1）选用公开数据集和监控视频，构建行人数据集；2）选用ResNet‑50卷积神经网络模型作为实验模型；3）对loss损失函数进行改进，并提出N+1类预测方法进行N/A标签的预测；4）把训练集输入改进loss损失函数后的ResNet‑50卷积神经网络，得出行人属性识别模型；5）将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估；采用ResNet‑50网络结构，可以分析更深层次的行人属性，更好的挖掘属性之间的关系，在挖掘属性之间的关系时，提出了统一的多属性联合学习框架来同时识别多属性。 | ||
| 搜索关键词： | 属性识别 卷积神经网络 损失函数 监控场景 监控视频 实验模型 网络结构 行人数据 挖掘 测试集 数据集 训练集 预测 构建 改进 标签 评估 分析 联合 统一 学习 | ||
【主权项】：
1.监控场景下基于ResNet-50的行人属性识别方法，其特征在于：包括以下步骤：/n1)选用公开数据集和监控视频，将两者混合在一起构建行人数据集；/n2)选用ResNet-50卷积神经网络模型作为实验模型；/n3)对loss损失函数进行改进，并提出N+1类预测方法进行N/A标签的预测；/n4)把训练集输入改进loss损失函数后的ResNet-50卷积神经网络，得出行人属性识别模型；/n5)将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估。/n
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/201910425208.0/，转载请声明来源钻瓜专利网。
