[发明专利]一种基于全局特征拼接的行人重识别方法在审
| 申请号： | 201910958532.9 | 申请日： | 2019-10-10 |
| 公开（公告）号： | CN110796026A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 熊炜;杨荻椿;熊子婕;童磊;李敏;李利荣;王娟 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 魏波 |
| 地址： | 430068 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全局特征拼接的行人重识别方法，从空间维度提升网络性能。首先利用SE‑ResNeXt50网络作为骨干网络提取行人图像特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接后的特征再次进行卷积处理，获得高细粒度的特征；所引入的聚类损失函数不同于目前常用的三元组损失函数，并且首次将聚类损失函数和交叉熵损失函数联合训练模型；本发明的识别效果在Market1501数据集上，Rank‑1、mAP两个评价指标分别达到了95.9％和94.6％，是目前识别效果较高的，并且网络结构简单，计算量小。 | ||
| 搜索关键词： | 损失函数 拼接 聚类 骨干网络 卷积处理 空间维度 评价指标 全局特征 特征信息 图像特征 网络结构 网络性能 训练模型 计算量 交叉熵 三元组 数据集 细粒度 卷积 引入 网络 联合 | ||
【主权项】：
1.一种基于全局特征拼接的行人重识别方法，其特征在于，包括以下步骤：/n步骤1：针对输入的行人重识别数据集，进行特征提取；所述行人重识别数据集的测试集由查询集和候选行人数据集组成；/n步骤2：特征拼接；/n首先使用双线性插值做升维处理，将特征尺度统一；然后将相同尺度的特征拼接；/n步骤3：卷积操作；/n卷积层采用步长为1，填充为1的3×3卷积提取拼接特征；/n步骤4：池化操作；/n将步骤3所提取的特征做全局平均池化和归一化处理；/n步骤5：将聚类损失函数和标签平滑损失函数联合训练网络，学习更多具有识别性的特征；/n步骤6：输出结果；/n计算查询数据集中指定行人图像和候选行人数据集中每张图像的欧式距离，接着对所计算得到的距离进行升序排序，获得行人重识别结果。/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湖北工业大学，未经湖北工业大学许可，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/201910958532.9/，转载请声明来源钻瓜专利网。
