[发明专利]一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法有效
申请号: | 201910716623.1 | 申请日: | 2019-08-05 |
公开(公告)号: | CN110532890B | 公开(公告)日: | 2021-10-22 |
发明(设计)人: | 陈彦明;杨天波;张以文;施巍松 | 申请(专利权)人: | 安徽大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 合肥东邦滋原专利代理事务所(普通合伙) 34155 | 代理人: | 吴晓娜 |
地址: | 230000 安徽省合*** | 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: | 本发明涉及电子通信技术领域,尤其为一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法。本发明中,利用了一种分布式结构,使得在解决ReID问题时并非将所有输入数据上传至云端进行处理,尽量让ReID问题在本地端和边缘端解决。具体是通过在三端上设置退出点,进行联合训练从而得到一个满足本发明要求的优秀神经网络模型,本发明所提出的方法不仅在ReID的识别精度上有所提高,而且在数据通信代价上,有了很大改善,本发明可以适当改进拓展到多区域摄像机网络中,利用分布式实现ReID在现实中的应用,特别在城市安防和打击犯罪方面前景广阔。 | ||
搜索关键词: | 一种 基于 云端 边缘 设备 分布式 孪生 卷积 神经网络 行人 识别 方法 | ||
【主权项】:
1.一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法,其特征在于,包括如下步骤:/n1)选取一个ReID数据集,将其分为行人库和待识别图像作为DSCNN的输入;/n2)输入图像经过本地SCNN网络处理,产生相应特征图;/n3)产生的特征图经过全连接层产生一系列特征向量 /n4)将所有特征向量上传到本地服务器,特征向量分为行人库特征向量和待识别特征向量,这两种特征向量组成特征向量对;/n5)从本地服务器中取一个特征向量对,采用余弦度量计算该行人特征向量对的相似度: /n6)是否遍历完所有的特征向量对,遍历完则整个训练完成,得到最终的DSCNN模型,如果遍历未完成,则继续训练整个网络;/n7)若特征向量对遍历未完成,对整个本地端的SCNN网络使用反向传播进行训练,并得到loss函数值Jl:Jl(s,l)=ln(e-2sl+1);/n8)在本地退出点比较得到的Jl值与T1预设值大小:若Jl≤T1,样本在本地端退出,并跳转到步骤5,继续计算其余特征向量对相似度;若Jl>T1,则要将中间结果特征图继续上传;/n9)若Jl>T1,将从本地端得到的特征图作为边缘端SCNN的输入,联合本地端进行联合训练并得到loss函数Je;/n10)在边缘退出点比较Je与T2:若Je≤T2,样本在边缘端退出,之后跳转到步骤5,继续计算其余特征向量对相似度;若Je>T2,继续将特征图上传到云端,利用完整的SCNN网络进行训练;/n11)如果Je>T2,在云端利用本地端、边缘端和云端进行联合训练。之后跳转到步骤5,继续计算其余特征向量对相似度,若行人特征向量全都遍历完毕,则样本最终退出,训练得到一个优秀的DSCNN模型;/n12)将训练好的DSCNN模型部署到一个多摄像机区域中,进行测试,最终在行人库中找出若干与待识别行人图片一致的行人图片。/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安徽大学,未经安徽大学许可,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/201910716623.1/,转载请声明来源钻瓜专利网。