公开(公告)号：CN113269117B

公开(公告)日：2022-12-13

申请号：CN202110625592.6

申请日：2021-06-04

Applicant: 重庆大学

Inventor： 葛永新 ,  谢佳宏 ,  李文鑫 ,  郭帧廷 ,  张俊银 ,  华博誉

IPC: G06V20/52 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于知识蒸馏的行人重识别方法，该方法建立结构完整行人网络和部分行人网络，以完整行人图像训练完整行人网络，以随机截取的部分图像训练部分行人网络，当损失不再下降，两个网络的训练结束；对于待预测图像，若待预测图像是完整行人图像，则输入训练好的完整行人网络中，否则输入训练好的部分行人网络中，计算待预测图像的特征与数据库中各图像的特征之间的距离，根据距离由大到小的顺序输出与待预测图像的特征之间距离排在前M的图像。本发明方法通过损失计算将完整行人网络和部分行人网络进行联合，提高了检测结果的鲁棒性。

公开(公告)号：CN114882531B

公开(公告)日：2025-04-01

申请号：CN202210554612.X

申请日：2022-05-19

Applicant: 重庆大学

Inventor： 葛永新 ,  张俊银 ,  华博誉 ,  徐玲 ,  黄晟 ,  洪明坚 ,  王洪星 ,  张小洪 ,  杨丹

IPC: G06V40/10 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于深度学习的跨域行人再识别方法，包括如下步骤：选用公开数据集作为源域和目标域；选用ResNet‑50模型M并进行初始化其参数得到M′；将源域和目标域作为初始化模型M′的输入并计算相应损失对模型M′进行训练，达到最大训练次数后停止训练，得到训练好的模型M″；将待预测行人图像输入训练好的模型M″中，得到行人的检索结果。使用本发明方法可以更准确的检测识别特定行人。

公开(公告)号：CN114882531A

公开(公告)日：2022-08-09

申请号：CN202210554612.X

申请日：2022-05-19

Applicant: 重庆大学

Inventor： 葛永新 ,  张俊银 ,  华博誉 ,  徐玲 ,  黄晟 ,  洪明坚 ,  王洪星 ,  张小洪 ,  杨丹

IPC: G06V40/10 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明涉及一种基于深度学习的跨域行人再识别方法，包括如下步骤：选用公开数据集作为源域和目标域；选用ResNet‑50模型M并进行初始化其参数得到M′；将源域和目标域作为初始化模型M′的输入并计算相应损失对模型M′进行训练，达到最大训练次数后停止训练，得到训练好的模型M″；将待预测行人图像输入训练好的模型M″中，得到行人的检索结果。使用本发明方法可以更准确的检测识别特定行人。

公开(公告)号：CN113269117A

公开(公告)日：2021-08-17

申请号：CN202110625592.6

申请日：2021-06-04

Applicant: 重庆大学

Inventor： 葛永新 ,  谢佳宏 ,  李文鑫 ,  郭帧廷 ,  张俊银 ,  华博誉

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于知识蒸馏的行人重识别方法，该方法建立结构完整行人网络和部分行人网络，以完整行人图像训练完整行人网络，以随机截取的部分图像训练部分行人网络，当损失不再下降，两个网络的训练结束；对于待预测图像，若待预测图像是完整行人图像，则输入训练好的完整行人网络中，否则输入训练好的部分行人网络中，计算待预测图像的特征与数据库中各图像的特征之间的距离，根据距离由大到小的顺序输出与待预测图像的特征之间距离排在前M的图像。本发明方法通过损失计算将完整行人网络和部分行人网络进行联合，提高了检测结果的鲁棒性。