[发明专利]一种基于层级优化度量学习的行人再识别方法有效
| 申请号： | 201910869949.8 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110717402B | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 肖江文;黄正义;王燕舞 | 申请（专利权）人： | 华中科技大学 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06N3/04;G06N3/08 |
| 代理公司： | 华中科技大学专利中心 42201 | 代理人： | 李智;曹葆青 |
| 地址： | 430074 湖北*** | 国省代码： | 湖北;42 |
| 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层级优化度量学习的行人再识别方法，属于行人再识别领域。本发明提出层次优化策略，利用批量梯度下降法优化深度神经网络参数，通过数学上的转换实现映射矩阵凸优化。分级优化模式能够有效的实现深度度量学习与传统度量学习优势互补，进而提升算法性能，提升了行人识别的性能。提出构建强样本约束，即只利用距离最远的同标签样本与距离最近的异标签样本来构建样本约束，有效减少样本约束的数量，保证每个样本约束的有效性，实现模型快速优化。提出新正则项，通过对参数向量求余弦值来衡量参数向量的差异性，给出的正则形式为参数向量的内积与其范数归一损失的求和，能够在训练过程中避免参数趋同，提高多样性。 | ||
| 搜索关键词： | 一种 基于 层级 优化 度量 学习 行人 识别 方法 | ||
【主权项】：
1.一种基于层级优化度量学习的行人再识别方法，其特征在于，所述方法包括以下步骤：/nS1.选择训练样本集，初始化嵌入空间的维度Dim
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中科技大学，未经华中科技大学许可，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/201910869949.8/，转载请声明来源钻瓜专利网。
- 上一篇：年龄估计方法及装置、设备、存储介质
- 下一篇：一种人脸多目标跟踪方法
