[发明专利]基于Inception V3的多数据集联合训练的行人外观属性识别方法在审
| 申请号： | 201910089320.1 | 申请日： | 2019-01-30 |
| 公开（公告）号： | CN109886154A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 李耶;殷光强;石方炎;候少麒;殷雪朦 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T3/40;G06T3/60;G06T5/00 |
| 代理公司： | 成都其高专利代理事务所(特殊普通合伙) 51244 | 代理人： | 廖曾;贺立中 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于Inception V3的多数据集联合训练的行人外观属性识别方法，解决现有基于深度学习的行人外观属性识别方法在监控场景下易受光照、遮挡、目标姿态变化和图像清晰度等因素影响，泛化能力较差的问题，能够实现目标监控场景下的行人属性准确识别，并且只需要极少的目标场景数据即可实现，包括以下步骤：1）获取含有行人的监控视频片段，对行人图像进行预处理；2）构建新的Inception V3卷积神经网络模型；3）改进logistic loss损失函数；4）输入多个公开数据集数据，进行训练，得到行人外观属性识别模型；5）利用所得行人外观属性识别模型进行实际场景下的识别。 | ||
| 搜索关键词： | 外观属性 数据集 预处理 图像 卷积神经网络 目标监控场景 目标姿态变化 数据集数据 监控场景 监控视频 目标场景 实际场景 损失函数 因素影响 构建 遮挡 光照 联合 改进 学习 | ||
【主权项】：
1.基于Inception V3的多数据集联合训练的行人外观属性识别方法，其特征在于：包括以下步骤：1)获取含有行人的监控视频片段，对行人图像进行预处理；2)构建新的Inception V3卷积神经网络模型；3)改进logistic loss损失函数；4)输入多个公开数据集数据，进行训练，得到行人外观属性识别模型；5)利用所得行人外观属性识别模型进行实际场景下的识别。
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电子科技大学，未经电子科技大学许可，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/201910089320.1/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
