[发明专利]一种基于不确定性优化的行人再辨识方法有效
| 申请号： | 201910079205.6 | 申请日： | 2019-01-28 |
| 公开（公告）号： | CN109886141B | 公开（公告）日： | 2023-06-06 |
| 发明（设计）人： | 赵才荣;陈康 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06V40/10 | 分类号： | G06V40/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/08 |
| 代理公司： | 上海科律专利代理事务所(特殊普通合伙) 31290 | 代理人： | 叶凤 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机视觉领域，采用深度学习框架，更具体地，本发明涉及一种基于不确定性优化的行人再辨识方法，包括以下步骤：1)使用孪生网络结构，将两个属于相同或不同行人的原始图像分别作为两个同构网络的输入；2)使用inception网络和Dropout层叠加的方式，用来实现不确定性优化的贝叶斯卷积神经网络作为特征提取网络；3)根据孪生网络的特征输出，计算二分类损失和各自网络的多分类损失，叠加后用于网络的反向传播和参数优化；4)将待辨识行人图像和所有比对图像输入训练好的模型，提取图像特征；5)利用欧式距离计算公式，获取待辨识行人图像和比对图像之间的最终距离；6)根据特征相似度距离进行排序，获取与待辨识行人对应的对比图像匹配排序。与现有技术相比，本发明具有在全部样本和少样本下都具有高准确性、高鲁棒性、快速简便等优点。 | ||
| 搜索关键词： | 一种 基于 不确定性 优化 行人 辨识 方法 | ||
【主权项】：
1.一种基于不确定性优化的行人再辨识方法，其特征在于，包括以下步骤：1)使用孪生网络结构，将两个属于相同或不同行人的原始图像分别作为两个同构网络的输入；2)孪生网络结构中的每个网络结构设计为贝叶斯卷积神经网络，所述贝叶斯卷积神经网络采用inception网络和Dropout层叠加的方式构成，作为特征提取网络；3)根据孪生网络的特征输出，计算二分类损失和各自网络的多分类损失，叠加后用于网络的反向传播和参数优化；4)将待辨识行人图像和所有比对图像输入训练好的模型，提取图像特征；5)利用欧式距离计算公式，获取待辨识行人图像和比对图像之间的最终距离6)根据特征相似度距离进行排序，获取与待辨识行人对应的对比图像匹配排序。
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同济大学，未经同济大学许可，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/201910079205.6/，转载请声明来源钻瓜专利网。
- 上一篇：显示面板及其制作方法和显示装置
- 下一篇：一种基于SAR技术的农作物解译方法
