[发明专利]一种基于残差网络思想的高效行人重识别方法在审
| 申请号： | 201810673779.1 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN109033971A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 庞善臣;乔思波;李文好;于世行;王丽华 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于残差网络思想的高效行人重识别方法。本发明将行人重识别问题看成是传统的二分类问题。在设计的卷积神经网络模型中加入了残差网络的思想，设计了两种不同的残差网络模块，可以使得模型有较大的深度，提取更加有效、精细的行人图片特征，但是不会引起梯度消失问题。在每个卷积层之后加入BatchNormalization层，可以对提取的特征做不同的归一化处理，加快网络在训练过程中前向传播的速度，使得模型效率提升，有效减少模型出现过拟合现象。在残差网络模块之后，对提取的两张图片特征做邻域差值处理，获得两张图片之间的特征局部关系，为最后进行的分类处理提供了有效保证。本发明提供的技术方案可以对行人图片达到精确识别分类，并且具有识别效率高、处理速度快的特点。 | ||
| 搜索关键词： | 残差 图片特征 网络模块 网络思想 卷积神经网络 归一化处理 差值处理 分类处理 局部关系 前向传播 效率提升 训练过程 有效减少 传统的 二分类 卷积 邻域 拟合 网络 精细 分类 图片 保证 | ||
【主权项】：
1.一种基于残差网络思想的高效行人重识别方法，包括以下部分：A、对公开数据集CUHK‑03中1163个行人图片重新整理；B、设计卷积神经网络模型，将整理数据集中的训练集输入到网络模型对模型进行训练，训练结束之后，采用验证数据集微调训练好模型的超参数，保证模型的准确率。C、保存训练好的模型，测试模型的准确率。
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国石油大学（华东），未经中国石油大学（华东）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/201810673779.1/，转载请声明来源钻瓜专利网。
