重庆邮电大学胡敏获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉重庆邮电大学申请的专利一种多尺度多分支特征利用的跨模态行人重识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119418400B 。
龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411459403.2,技术领域涉及:G06V40/20;该发明授权一种多尺度多分支特征利用的跨模态行人重识别方法是由胡敏;欧阳康生;黄宏程;肖泽林设计研发完成,并于2024-10-18向国家知识产权局提交的专利申请。
本一种多尺度多分支特征利用的跨模态行人重识别方法在说明书摘要公布了:本发明涉及一种多尺度多分支特征利用的跨模态行人重识别方法,属于跨模态行人重识别领域。其包括:获取原始数据集,并通过随机通道学习原始数据集中的可见光模态图像的每个通道与单通道红外光模态图像之间的关系;将处理后图像输入跨模态特征提取模块,其中,先通过双流网络处理不同模态的不同属性,随后再通过共享网络提取多尺度特征;将多尺度特征输入多尺度信息挖掘模块进行特征融合;融合特征再由多分支联合模块进行判别特征提取,通过各分支提取的判别特征协同进行行人重识别。本发明将多层次的空间特征信息结合进行特征提取,并利用全局特征和局部特征来增大视觉表征中红外模态与可见光模态的相关性,提高了跨模态行人重识别的检索准确率。
本发明授权一种多尺度多分支特征利用的跨模态行人重识别方法在权利要求书中公布了:1.一种多尺度多分支特征利用的跨模态行人重识别方法,其特征在于:其包括以下步骤: S1、获取原始数据集,其包括可见光模态图像和红外光模态图像,并通过随机通道学习可见光模态图像中的每个通道与单通道红外光模态图像之间的关系; S2、将随机通道处理后的可见光模态图像和红外光模态图像输入跨模态特征提取模块,其中,先通过双流网络处理不同模态的不同属性,随后再通过共享网络提取多尺度特征; S3、将多尺度特征输入多尺度信息挖掘模块进行特征融合,其中,多尺度信息挖掘模块包括多个自注意力层,自注意力层依次对不同尺度的特征进行融合处理; S4、融合特征再由多分支联合模块进行判别特征提取,其包括全局分支和局部分支,通过全局分支和局部分支提取得到全局特征和局部特征; S5、将全局特征和局部特征作用于训练时的反向反馈过程,采用三元组损失和身份验证损失迭代优化模型;在实时识别时通过损失函数计算相似度并排序得到重识别结果; 在步骤S2中,学习完成的数据集输入至跨模态特征提取模块进行特征提取,其至少包括: S21、将学习后的可见光模态图像数据集和红外光模态图像数据集分别输入至跨模态特征提取模块的双流网络中,由对应的残差卷积模块提取得到对应的低级特征和; S22、可见光模态和红外光模态对应的低级特征和再输入至共享网络中,由共享网络中的多个残差卷积模块提取得到不同层次的特征; 在步骤S3中,提取的多层次特征分别输入至多尺度信息挖掘模块的自注意力层IF中,最终得到包含浅层特征和中层特征的深层特征,其中,在第一层自注意力层中,将视作,每个自注意力层将和作为自身的输入,通过卷积层与正则化将其映射至同一空间,再经过11卷积进行降维,再通过多头注意力机制提取浅层特征,其中,对于注意力机制,其查询Q、键K和值V分别表示为: 其中表示降维操作,表示平衡参数,表示升维操作; 在步骤S4中,提取的深层特征输入至多分支联合模块进行判别特征提取,多分支联合模块包括全局分支和局部分支,全局分支从深层特征中提取全局特征,局部分支从深层特征中提取局部特征,其中, 在全局分支中,深层特征通过广义均值池化将三维特征降为一维特征,其处理过程表示为: 其中,表示全局特征转化后的一维特征向量,表示转换矩阵值,为池化超参数; 再通过11卷积层与批量归一化层进行通道降维,从而得到全局特征; 在局部分支中,深层特征首先在水平方向上进行三等分切块,得到三个局部特征向量、、,再将三个局部特征向量、、通过广义均值池化将三维特征降为一维特征、、: 其中i=1,2,3,再通过11卷积层与批量归一化层对三个一维特征进行、、通道降维处理得到局部特征; 在步骤S5中,提取得到全局特征和局部特征后,通过将三元组损失与身份验证损失反馈给模型,不断优化模型参数; 在识别过程中,通过损失函数计算输入图像与模型训练后图像库中各个图像的欧式距离,对库中的图像按照距离升序进行排序,得到图库中距离最小的前n张图像,即,相似度最高的图像,记为,表示前个结果中与查询图片相似的命中率,的计算公式如下: 式中,表示在个查询结果中满足已命中正确结果的个数,表示数据库中被测行人图片总量。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆邮电大学,其通讯地址为:400065 重庆市南岸区黄桷垭崇文路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励