[发明专利]一种自适应多任务深度学习的行人再识别方法有效
| 申请号： | 201911037649.X | 申请日： | 2019-10-29 |
| 公开（公告）号： | CN110765960B | 公开（公告）日： | 2022-03-04 |
| 发明（设计）人： | 侯丽;刘琦;陈珍海;汪伟;曹俊呈 | 申请（专利权）人： | 黄山学院 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/764;G06V10/762;G06V10/774;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 苏州国诚专利代理有限公司 32293 | 代理人： | 韩凤 |
| 地址： | 245041 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种自适应多任务深度学习的行人再识别方法，涉及机器学习与模式识别技术领域，能够提升行人再识别的性能，包括以下步骤：1)以行人再识别数据集和服装属性数据集构建训练样本，用于行人身份和行人服装属性联合学习；2)CNN基模型采用去除最后一层全连接层的VGG‑19网络，其模型初始值采用大规模ImageNet图像集上已经训练好的VGG‑19模型参数；3)初始化后的VGG‑19网络，通过自顶向下逐层网络扩宽算法，将CNN基模型进行多轮扩宽；4)以固定的VGG‑19扩宽网络作为多任务深度网络，经过多任务损失函数监督网络的训练，经过多次迭代不断地优化网络模型参数，从而获取用于行人再识别的优选模型。 | ||
| 搜索关键词： | 一种 自适应 任务 深度 学习 行人 识别 方法 | ||
【主权项】：
1.一种自适应多任务深度学习的行人再识别方法，其特征在于，包括以下步骤：/n步骤1，从行人再识别基准数据集中选择用于行人身份信息识别的训练样本，从具有多种服装类别标注的服装属性数据集中选择用于行人服装属性分类的训练样本，一起用于行人身份和行人服装属性特征的联合学习；/n步骤2，CNN基模型采用去除最后一层全连接层的VGG-19网络，其模型初始值采用大规模ImageNet图像集上已经训练好的VGG-19模型参数；/n步骤3，初始化后的VGG-19网络，通过自顶向下逐层网络扩宽算法，将CNN基模型进行多轮扩宽；/n步骤4，使用步骤1的训练样本，以固定的VGG-19扩宽网络作为多任务深度网络，应用多任务损失函数监督网络的训练，经过多次迭代不断地优化网络模型参数，从而获取用于行人再识别的优选模型，利用该模型进行行人再识别；所述多任务损失函数由行人身份学习的损失函数和行人服装属性学习的损失函数组成，共同监督指导行人特征在网络中的学习。/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黄山学院，未经黄山学院许可，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/201911037649.X/，转载请声明来源钻瓜专利网。
