公开(公告)号：CN112686135B

公开(公告)日：2022-10-14

申请号：CN202011588793.5

申请日：2020-12-29

Applicant: 中南大学

Inventor： 朱承璋 ,  昌喆 ,  邹北骥 ,  李伯洲

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/774 ,  G06V10/762 ,  G06V10/74 ,  G06V10/40 ,  G06N3/08

Abstract: 本发明公开了一种基于分布拟合的可泛化的行人重识别方法，包括选取原始的神经网络模型；获取训练数据集，训练神经网络模型得到初步行人重识别模型；获取测试数据集，测试和修正初步行人重识别模型得到最终的行人重识别模型；实时获取行人图像，采用行人重识别模型进行识别并完成行人的重识别。本发明有效地减少了图像分布差异引起的性能下降，同时提升模型的泛化能力来适应不同场景；因此本发明方法不仅解决了图像分布差异所引起的性能下降问题，而且提升了模型的泛化能力，同时可靠性高、泛化性好而且精确度高。

公开(公告)号：CN112686135A

公开(公告)日：2021-04-20

申请号：CN202011588793.5

申请日：2020-12-29

Applicant: 中南大学

Inventor： 朱承璋 ,  昌喆 ,  邹北骥 ,  李伯洲

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

Abstract: 本发明公开了一种基于分布拟合的可泛化的行人重识别方法，包括选取原始的神经网络模型；获取训练数据集，训练神经网络模型得到初步行人重识别模型；获取测试数据集，测试和修正初步行人重识别模型得到最终的行人重识别模型；实时获取行人图像，采用行人重识别模型进行识别并完成行人的重识别。本发明有效地减少了图像分布差异引起的性能下降，同时提升模型的泛化能力来适应不同场景；因此本发明方法不仅解决了图像分布差异所引起的性能下降问题，而且提升了模型的泛化能力，同时可靠性高、泛化性好而且精确度高。