公开(公告)号：CN110175506A

公开(公告)日：2019-08-27

申请号：CN201910277665.X

申请日：2019-04-08

Applicant: 复旦大学

Inventor： 熊贇 ,  朱旭东 ,  段宇 ,  朱扬勇

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于机器学习技术领域，具体为一种基于并行降维卷积神经网络的行人重识别方法和装置。本发明方法包括：构建并训练基于并行降卷积核的卷积神经网络，作为特征提取模型；对已确定为待检索的目标图像和待判定的目标图像进行预处理，获得预处理的目标图像和相应的待判定图像；将目标图像和待判定图像依次输入特征提取模型，得到多个待判定行人特征向量和多个目标特征向量；根据特征向量，在待判定目标图像中寻找出与目标图像一致的行人图像。本发明采用并行卷积核减少了卷积参数，同时运用多个低维度对称卷积核和低维度非对称卷积核代替较高维度卷积核，减少了运算量，本发明的行人重识别精度远高于现有的多种行人重识别方法。

公开(公告)号：CN110175506B

公开(公告)日：2023-01-06

申请号：CN201910277665.X

申请日：2019-04-08

Applicant: 复旦大学

Inventor： 熊贇 ,  朱旭东 ,  段宇 ,  朱扬勇

IPC: G06V40/10 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于机器学习技术领域，具体为一种基于并行降维卷积神经网络的行人重识别方法和装置。本发明方法包括：构建并训练基于并行降卷积核的卷积神经网络，作为特征提取模型；对已确定为待检索的目标图像和待判定的目标图像进行预处理，获得预处理的目标图像和相应的待判定图像；将目标图像和待判定图像依次输入特征提取模型，得到多个待判定行人特征向量和多个目标特征向量；根据特征向量，在待判定目标图像中寻找出与目标图像一致的行人图像。本发明采用并行卷积核减少了卷积参数，同时运用多个低维度对称卷积核和低维度非对称卷积核代替较高维度卷积核，减少了运算量，本发明的行人重识别精度远高于现有的多种行人重识别方法。