[发明专利]一种基于特征选择卷积神经网络的目标重识别方法和装置有效
| 申请号： | 201810921261.5 | 申请日： | 2018-08-14 |
| 公开（公告）号： | CN109344695B | 公开（公告）日： | 2022-03-22 |
| 发明（设计）人： | 李熙莹;李国鸣;江倩殷;邱铭凯 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06V20/58 | 分类号： | G06V20/58;G06V10/44;G06V10/771;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 胡辉 |
| 地址： | 510275 *** | 国省代码： | 广东;44 |
| 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特征选择卷积神经网络的目标重识别方法和装置，所述方法包括将待重识别的原始图像输入到设有特征图选择层的特征选择卷积神经网络中对目标进行重识别等步骤，所述特征图选择层分别设置在相邻的两个卷积层之间，所述特征图选择层用于接收上一层卷积层输出的特征图组，并对所接收的特征图组所包含的特征图进行筛选，并将经过筛选后的特征图组作为下一层卷积层的输入值。通过对特征图的筛选删除，对输出的特征图进行选择再将选择结果送入下一层卷积，可以减弱与重识别无关的、不具区分度的特征图在特征选择卷积神经网络中的传播，从而减少了无关信息的干扰，提高了网络提取鲁棒特征的能力。本发明广泛应用于图像识别技术领域。 | ||
| 搜索关键词： | 一种 基于 特征 选择 卷积 神经网络 目标 识别 方法 装置 | ||
【主权项】：
1.一种基于特征选择卷积神经网络的目标重识别方法，其特征在于，包括以下步骤：S1.将待重识别的原始图像输入到特征选择卷积神经网络中；S2.特征选择卷积神经网络对原始图像进行处理，从而提取并输出原始图像的特征向量；S3.根据原始图像的特征向量，对目标进行重识别；所述特征选择卷积神经网络包括多个卷积层，所述每个卷积层分别用于对各自的输入值进行处理，从而输出与输入值相应的特征图组，所述特征图组包括多个特征图；所述特征选择卷积神经网络还包括至少一个特征图选择层，所述特征图选择层分别设置在相邻的两个卷积层之间，所述特征图选择层用于接收上一层卷积层输出的特征图组，并对所接收的特征图组所包含的特征图进行筛选，并将经过筛选后的特征图组作为下一层卷积层的输入值。
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中山大学，未经中山大学许可，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/201810921261.5/，转载请声明来源钻瓜专利网。
