说明:收录全网最新的团体标准 提供单次或批量下载
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111666445.X (22)申请日 2021.12.31 (71)申请人 以萨技术股份有限公司 地址 266000 山东省青岛市黄岛区灵山 卫 街道办事处灵岩路7 7号 (72)发明人 田煜 石柱国 李凡平 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 张萌 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/20(2022.01) G06N 3/04(2006.01) G06V 10/82(2022.01) G06V 10/774(2022.01) (54)发明名称 行人重识别方法、 装置及电子设备 (57)摘要 本发明提供了一种行人重识别方法、 装置及 电子设备。 涉及人工智能技术领域。 该方法包括: 通过自适应学习的方法生 成训练样 本; 基于训练 样本对特殊的神经网络中进行训练, 得到训练好 的神经网络, 所述神经网络包括可扩充卷积, 所 述可扩充卷积基于卷积核和卷积核偏移量确定; 基于训练好的神经网络对进行行人重识别。 可以 更好的提取特定目标独有的特点, 提升识别准确 率。 权利要求书2页 说明书7页 附图2页 CN 114332943 A 2022.04.12 CN 114332943 A 1.一种行 人重识别方法, 其特 征在于, 包括: 通过自适应学习的方法生成训练样本; 基于训练样本对特殊的神经网络中进行训练, 得到训练好的神经网络, 所述神经网络 包括可扩充卷积, 所述可扩充卷积基于卷积核和卷积核偏移量确定; 基于训练好的神经网络对进行 行人重识别。 2.根据权利要求1所述的方法, 其特征在于, 所述通过自适应学习的方法生成训练样 本, 包括: 基于对抗神经网络生成初始训练样本; 其中, 所述对抗神经网络包括一个外观编码器, 一个结构编码器, 一个解码器以及一个判别器来区分 真实样本以及生成样本; 对所述初始训练样本进行二次优化过滤, 得到最终训练样本, 所述最终训练样本用于 对所述特殊的神经网络进行训练。 3.根据权利要求1所述的方法, 其特征在于, 基于可扩充卷积的特征提取过程基于如下 公式确定: 其中, R为卷积之后的特征值, J为卷积核, (m, n)为卷积大小, i为待卷积矩阵, Δp为卷 积核偏移量。 4.根据权利要求1所述的方法, 其特征在于, 基于可扩充卷积的特征提取过程基于如下 公式确定: 其中, R为卷积之后的特征值, J为卷积核, (m, n)为卷积大小, i为待卷积矩阵, Δp为卷 积核偏移量, F为双线性插值方法, 使得 得到的特 征值变为整数。 5.根据权利要求1 ‑4任意一项所述的方法, 其特征在于, 基于组合式损失函数以及训练 样本对特殊的神经网络中进行训练, 所述组合式损失函数基于如下公式确定: 其中zi为第i个节点的输出值, C为输出节点个数, 即分类的类别个数, a为anchor锚示 例, p为positive, 与a是同一类别的样本; n为negative, 与a是不同类别的样本; margin是一 个大于0的常数。 6.根据权利要求1所述的方法, 其特征在于, 所述基于训练好的神经网络对进行行人重 识别, 包括: 基于训练好的神经网络对测试库和检索图片进行特征提取, 生成特征库和检索图片所 对应的特 征值; 对特征库和检索图像所对应的特征值进行特征比对, 使用特殊的排序方法输出结果, 所述特殊的排序方法包括对待检索目标进 行特征比对, 排序, 对排序结果的前n位结果特征 值进行加权平均, 得到第一特征值, 对第一特征值进 行二次排序得到排序结果, 基于所述排 序结果进行 行人重识别。权 利 要 求 书 1/2 页 2 CN 114332943 A 27.一种行 人重识别装置, 其特 征在于, 包括: 生成模块, 用于通过自适应学习的方法生成训练样本; 训练模块, 用于基于训练样本对特殊的神经网络中进行训练, 得到训练好的神经网络, 所述神经网络包括可扩充卷积, 所述可扩充卷积基于卷积核和卷积核偏移量确定; 识别模块, 用于基于训练好的神经网络对进行 行人重识别。 8.根据权利要求7 所述的装置, 其特 征在于, 所述 生成模块具体用于: 基于对抗神经网络生成初始训练样本; 其中, 所述对抗神经网络包括一个外观编码器, 一个结构编码器, 一个解码器以及一个判别器来区分 真实样本以及生成样本; 对所述初始训练样本进行二次优化过滤, 得到最终训练样本, 所述最终训练样本用于 对所述特殊的神经网络进行训练。 9.一种电子设备, 其特 征在于, 包括: 处 理设备以及存 储装置; 所述存储装置上存储有计算机程序, 所述计算机程序在被所述处理设备运行时执行如 权利要求1至 6任一项所述的方法。 10.一种计算机可读存储介质, 所述计算机可读存储介质上存储有计算机程序, 其特征 在于, 所述计算机程序被处 理器运行时执 行上述权利要求1至 6任一项所述的方法的步骤。权 利 要 求 书 2/2 页 3 CN 114332943 A 3
专利 行人重识别方法、装置及电子设备
文档预览
中文文档
12 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
赞助1.5元下载(无需注册)
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助1.5元下载
本文档由 人生无常 于
2024-03-19 00:20:34
上传分享
举报
下载
原文档
(598.5 KB)
分享
友情链接
GB-T 18775-2009 电梯、自动扶梯和自动人行道维修规范.pdf
GB-T 29871-2013 能源计量仪表通用数据接口技术协议.pdf
GB-T 21709.21-2013 针灸技术操作规范 第21部分:毫针基本手法.pdf
GB-T 39583-2020 既有建筑节能改造智能化技术要求.pdf
DB35-T 1940-2020 旱地改造水田技术规范 福建省.pdf
GB-T 24487-2022 氧化铝.pdf
GB-T 33746.2-2017 近场通信(NFC)安全技术要求 第2部分:安全机制要求.pdf
GM-T 0120-2022 基于云计算的电子签名服务技术实施指南.pdf
GB-T 33476.3-2016 党政机关电子公文格式规范 第3部分:实施指南.pdf
GB-T 42136-2022 智能制造 远程运维系统通用要求.pdf
T-CSTM 00411—2021 化学试剂 苯甲醇.pdf
T-SIOT 023—2021 工业物联网安全网闸技术要求.pdf
GB-T 43294-2023 教育与学习服务 术语.pdf
GB-T 42535-2023 锅炉定期检验.pdf
GB-T 42570-2023 信息安全技术 区块链技术安全框架.pdf
GB-T 2611-2022 试验机 通用技术要求.pdf
T-ZZB 1837—2020 氟塑料衬里不锈钢球阀.pdf
T-QGCML 302—2022 能源企业数字化转型1+6管理体系.pdf
GM-T 0071-2019 电子文件密码应用指南.pdf
GB-T 35229-2017 地面气象观测规范 雪深与雪压.pdf
1
/
3
12
评价文档
赞助1.5元 点击下载(598.5 KB)
回到顶部
×
微信扫码支付
1.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。