-
公开(公告)号：CN108171247A
公开(公告)日：2018-06-15
申请号：CN201711395760.7
申请日：2017-12-21
Applicant: 北京大学
Abstract: 本发明提供了一种车辆再识别方法及系统，基于车辆部件特征与集合距离度量学习，包括如下步骤：提取车辆的全局特征及局部特征，并基于局部特征的质量确定每个局部特征所占权重；通过集合距离度量学习，完成车辆再识别过程。本发明使用集合距离度量学习加速特征学习的过程。集合距离度量学习首先将同一辆车的不同图片视为一个集合，通过减小每个集合内部的图片距离，同时增大不同集合之间的距离优化特征学习过程。本发明有效降低了训练的计算复杂度，同时可获得更具有判别力的特征，能够更为准确的进行车辆再识别。
-
公开(公告)号：CN108171247B
公开(公告)日：2020-10-27
申请号：CN201711395760.7
申请日：2017-12-21
Applicant: 北京大学
Abstract: 本发明提供了一种车辆再识别方法及系统，基于车辆部件特征与集合距离度量学习，包括如下步骤：提取车辆的全局特征及局部特征，并基于局部特征的质量确定每个局部特征所占权重；通过集合距离度量学习，完成车辆再识别过程。本发明使用集合距离度量学习加速特征学习的过程。集合距离度量学习首先将同一辆车的不同图片视为一个集合，通过减小每个集合内部的图片距离，同时增大不同集合之间的距离优化特征学习过程。本发明有效降低了训练的计算复杂度，同时可获得更具有判别力的特征，能够更为准确的进行车辆再识别。
-
公开(公告)号：CN112232422A
公开(公告)日：2021-01-15
申请号：CN202011126529.X
申请日：2020-10-20
Applicant: 北京大学
Abstract: 本发明公开了一种人体目标行人的重识别方法、装置、电子设备和存储介质，所述方法包括：通过数据域无关映射模型，将标注数据集中的各个第一图像和无标注数据集中的各个第二图像均映射到共享特征空间中；通过全局优化以及局部优化模型对重识别模型进行优化，得到优化后的重识别模型；通过优化后的重识别模型的分类器，对无标注数据集中的各个第二图像进行重识别，并判断视频库中是否包括目标行人的目标视频。因此，采用本申请实施例，由于引入了数据域无关映射模型，能够通过迁移技术，使得在有标签数据上训练得到的模型，能够应用于无标签数据集上；此外，通过引入全局优化以及局部优化模型，提升了训练对标签噪声的鲁棒性，提升了重识别模型的模型性能。
-
-
Search Results
3
records
(took 0.014 seconds)
