公开(公告)号：CN120032420A

公开(公告)日：2025-05-23

申请号：CN202411966826.3

申请日：2024-12-30

Applicant: 北京信息科技大学

Inventor： 滕尚志 ,  吕学强 ,  韩晶 ,  马登豪

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764 ,  G06N3/045

Abstract: 本发明提供了一种基于属性信息约束的行人重识别方法，包括如下步骤：提取行人的图像特征及属性特征，基于属性相似度确定图像特征所占权重，并使用重识别和属性识别多任务学习，完成重识别过程。本发明通过设计属性相似度对比损失和属性组查询模块来优化行人重识别性能。属性相似度对比损失最小化相似属性行人样本间的特征距离，最大化不同属性行人样本间的特征距离。属性组查询模块利用Transformer解码器中的交叉注意力机制，自适应地提取行人图像中不同属性间的关联特征，并辅助网络学习更具判别性的行人特征。本发明通过属性信息约束的方法获得了更具有判别力的特征，能够更为准确的进行行人重识别。

公开(公告)号：CN119048791A

公开(公告)日：2024-11-29

申请号：CN202410210752.4

申请日：2024-06-14

Applicant: 北京信息科技大学

Inventor： 吕学强 ,  董志安 ,  滕尚志 ,  马登豪

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/44

Abstract: 本申请公开了一种多粒度图像分类方法、装置、电子设备及存储介质。该分类方法通过层次多粒度图像分类模型实现，该方法包括：获取多尺度信息的特征图；提取并融合不同层次粒度的特征向量，得到各个层次的多尺度融合特征向量；对各个层次的多尺度融合特征向量进行层次特征映射；将映射得到的特征向量与被映射的细粒度特征向量进行融合操作；层次多粒度图像分类模型的损失函数包括基于类别中心的三元组损失。本申请实施例的方法，增加了网络的局部细节信息，对各类别层次的多粒度特征进行融合，解决了层次间粗细粒度所对应的区域不同的问题，采用基于类别中心的三元组损失增强了图像的特征表示和提升了各层次粒度图像分类准确度。