-
公开(公告)号：CN109446898B
公开(公告)日：2021-10-15
申请号：CN201811097958.1
申请日：2018-09-20
Applicant: 暨南大学
Abstract: 本发明公开了一种基于迁移学习和特征融合的行人重识别方法，包括以下步骤：获取行人数据，通过神经网络进行初步训练，修改完了结构并结合改进的损失函数在数据集中进行再次训练；进行手工特征提取和神经网络特征提取；提取特征之后，对两种特征进行融合，得到高‑低级特征；使用XQDA算法对高‑低级特征进行分类和验证，获取重识别结果；本发明采用交叉熵损失函数和三元组损失函数对整个网络加以更强的约束，再提取手工特征和卷积网络特征进行特征融合，形成高‑低级特征，覆盖行人特征表达的不同层次，达到较好的识别效果，并以微调的形式减少训练时间，对于小数据集具有良好的泛化性和可移植性。
-
公开(公告)号：CN109446898A
公开(公告)日：2019-03-08
申请号：CN201811097958.1
申请日：2018-09-20
Applicant: 暨南大学
Abstract: 本发明公开了一种基于迁移学习和特征融合的行人重识别方法，包括以下步骤：获取行人数据，通过神经网络进行初步训练，修改完了结构并结合改进的损失函数在数据集中进行再次训练；进行手工特征提取和神经网络特征提取；提取特征之后，对两种特征进行融合，得到高-低级特征；使用XQDA算法对高-低级特征进行分类和验证，获取重识别结果；本发明采用交叉熵损失函数和三元组损失函数对整个网络加以更强的约束，再提取手工特征和卷积网络特征进行特征融合，形成高-低级特征，覆盖行人特征表达的不同层次，达到较好的识别效果，并以微调的形式减少训练时间，对于小数据集具有良好的泛化性和可移植性。
-
Search Results
2
records
(took 0.012 seconds)
