[发明专利]一种集成注意力机制的行人重识别方法在审
| 申请号： | 201910908845.3 | 申请日： | 2019-09-25 |
| 公开（公告）号： | CN110688938A | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 霍如;晁代崇;黄韬;刘江;魏亮 | 申请（专利权）人： | 江苏省未来网络创新研究院;南京优速网络科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08;G06F16/55 |
| 代理公司： | 32237 江苏圣典律师事务所 | 代理人： | 贺翔 |
| 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： | 本发明提供一种集成注意力机制的行人重识别方法，包括以下步骤：步骤一，构造嵌入多粒度注意力机制的CNN；步骤二，把train数据集输入CNN训练CNN，得到CNN模型，其中CNN的损失函数为分类损失和Trihard损失之和；步骤三，把gallery数据集输入到步骤二所述的CNN模型中，得到一个图片特征数据库，其中每个特征都有唯一的行人id；步骤四，输入query图片得到特征，检索步骤三中的图片特征数据库计算出相似度，选出相似度最高的这张图片，这张gallery图片的行人id就是query图片的行人id。该方法设计了一种新的注意力模块，相应提出了多粒度注意力机制，把该机制集成到CNN中，以提升CNN的特征提取水平，增强CNN的不规则采样能力，更强地适应行人姿势、背景等变化，以适应行人重识别任务。 | ||
| 搜索关键词： | 注意力机制 图片特征 数据集 相似度 数据库 图片 采样能力 机制集成 检索步骤 损失函数 特征提取 不规则 嵌入 姿势 注意力 分类 | ||
【主权项】：
1.一种集成注意力机制的行人重识别方法，其特征在于，所述识别方法包括以下步骤：/n步骤一，构造嵌入多粒度注意力机制的CNN；/n步骤二，把train数据集输入CNN训练CNN，得到CNN模型，其中CNN的损失函数为分类损失和Trihard损失之和；/n步骤三，把gallery数据集输入到步骤二所述的CNN模型中，得到一个图片特征数据库，其中每个特征都有唯一的行人id；/n步骤四，输入query图片得到特征，检索步骤三中的图片特征数据库计算出相似度，选出相似度最高的这张图片，这张gallery图片的行人id就是query图片的行人id。/n
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江苏省未来网络创新研究院;南京优速网络科技有限公司，未经江苏省未来网络创新研究院;南京优速网络科技有限公司许可，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/201910908845.3/，转载请声明来源钻瓜专利网。
