[发明专利]基于融合损失函数的行人重识别模型优化方法在审
| 申请号： | 201910308541.3 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110059616A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 江斌;任强;戴菲;桂冠;王伟 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 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融合损失函数的行人重识别模型优化方法，包括(1)利用神经网络训练得到行人重识别模型后，利用交叉熵损失函数计算模型中每个行人图像特征空间相似度；(2)根据空间相似度设置损失阈值，并利用阈值构造三元组对象；(3)利用三元组对象构造三重损失函数迭代优化，得到优化后的行人重识别模型。本发明结合交叉熵损失函数和三重损失函数，将深度学习和特征识别应用在行人重识别问题上面，对提高治安管理具有重要的意义。 | ||
| 搜索关键词： | 损失函数 模型优化 交叉熵 三元组 神经网络训练 图像特征空间 空间相似度 迭代优化 对象构造 计算模型 特征识别 融合 相似度 治安管理 应用 优化 学习 | ||
【主权项】：
1.一种基于融合损失函数的行人重识别模型优化方法，其特征在于，包括以下步骤：(1)利用神经网络训练得到行人重识别模型后，利用交叉熵损失函数计算模型中每个行人图像特征空间的损失；(2)根据步骤1中计算得到的特征空间的损失值分布来设置损失阈值，并利用所设置的阈值构造三元组对象；(3)利用三元组对象构造三重损失函数迭代优化，得到优化后的行人重识别模型。
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南京邮电大学，未经南京邮电大学许可，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/201910308541.3/，转载请声明来源钻瓜专利网。
