-
Patent Agency Ranking
公开(公告)号：CN110968735A
公开(公告)日：2020-04-07
申请号：CN201911163066.1
申请日：2019-11-25
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于球面相似度层次聚类的无监督行人重识别方法，用球面相似度衡量行人图片之间的相似度，减弱因摄像头位置不同导致的光线、角度等结构化的差异；同时，将图片特征向量进行归一压缩到球面之后，对于特征的类别区分更清晰明确。本发明将基于球面相似度的层次聚类方法和通过球面特征压缩进行图片分类的方法进行整合，能够在没有人工进行图片标注的前提下对行人图像进行检索，并达到较高的检索准确率。
-
公开(公告)号：CN110427813A
公开(公告)日：2019-11-08
申请号：CN201910549345.5
申请日：2019-06-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是：根据行人图像数据集，对行人图像进行目标检测获取训练样本；构建基于多样性样本生成的孪生生成式对抗网络模型，该模型对目标检测后输入的两组行人图像的姿态属性信息互换，实现多样性样本的生成；构建基于保持身份特征的孪生生成式对抗网络模型，该模型利用身份判别器保留生成行人图像的身份信息，从而提升行人重识别对生成行人图像身份的鲁棒性；针对生成式对抗网络优化困难的问题，构建基于多目标优化的孪生生成式对抗网络参数学习方法；为了验证提出的行人重识别方法的有效性，对生成行人图像构成的数据集进行行人重识别方法验证。
-
公开(公告)号：CN110414336A
公开(公告)日：2019-11-05
申请号：CN201910542675.1
申请日：2019-06-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种三元组边缘中心损失的深度互补分类器行人搜索方法，属于计算机视觉技术处理技术领域。在行人重识别部分，我们提出三元组边缘中心损失，在中心损失可以有效地减少同一个行人的特征差异性的基础上，引入三元组损失的思路，有效地增加不同行人间的特征差异性。通过对行人搜索子任务，检测和重识别的提高，达到对行人搜索模型整体性能的提升。本发明可对大规模的现实场景图像同时进行行人检测和重识别，在城市监控等安防领域发挥重要作用。
-
公开(公告)号：CN109670528A
公开(公告)日：2019-04-23
申请号：CN201811352790.4
申请日：2018-11-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种面向行人重识别任务的基于成对样本随机遮挡策略的数据扩充方法，在训练阶段，首先通过采用基于成对样本随机遮挡策略的数据扩充方法增加样本的多样性，提高深度行人重模型训练过程中的鲁棒性，进而提高模型的泛化性能。本发明与现有技术中数据扩充的方法相比，利用了孪生深度学习模型训练数据的特点，同时考虑了孪生网络训练的困难，提出了一种新的数据扩充方法。通过增加训练数据对的多样性，有效缓解单个行人数据集类别少且缺乏多样性问题给带来的影响，提升了模型的泛化性能，让行人重识别方法可以更好的处理复杂环境下的相行人重识别问题。
-
公开(公告)号：CN109063649A
公开(公告)日：2018-12-21
申请号：CN201810876899.1
申请日：2018-08-03
Applicant: 中国矿业大学
CPC classification number: G06K9/00362 , G06N3/0454
Abstract: 本发明公开了一种基于孪生行人对齐残差网络的行人重识别方法，包括以下步骤：S1、构建基础分支孪生残差网络；S2、构建行人对齐分支孪生残差网络；S3、利用已构造好的训练数据集对构建好的基础分支孪生网络和行人对齐分支孪生残差网络进行参数训练，将训练好的基础分支孪生残差网络中基础分支原型和行人对齐分支孪生残差网络中行人对齐分支原型取出进行行人重识别的分类模型。本发明提升了原有算法行人重识别的准确度。
-
-
-
-
Search Results
95
records
(took 0.038 seconds)
