-
公开(公告)号：CN112861695B
公开(公告)日：2023-10-24
申请号：CN202110142947.6
申请日：2021-02-02
Applicant: 北京大学
IPC: G06V40/10 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种行人身份再识别方法、装置、电子设备及存储介质。该方法包括：利用特征提取网络提取多个摄像头所采集的所有图像样本的特征；根据特征分别处理同一摄像头所采集的图像样本，获得若干第一伪标签；利用第一伪标签训练多分支卷积神经网络；利用训练后的多分支卷积神经网络处理所有图像样本，获得若干第二伪标签；利用第二伪标签训练特征提取网络；利用训练好的特征提取网络对输入图像进行行人身份再识别。本申请的行人身份再识别方法能够实现更好的相似度计算，提高了伪标签的质量，从而充分利用了训练数据使身份再识别模型得到更好地训练，在无标注信息的情况下提取具有高判别力和高鲁棒性的行人特征，实现行人的准确检索与匹配。
-
公开(公告)号：CN112861695A
公开(公告)日：2021-05-28
申请号：CN202110142947.6
申请日：2021-02-02
Applicant: 北京大学
Abstract: 本申请公开了一种行人身份再识别方法、装置、电子设备及存储介质。该方法包括：利用特征提取网络提取多个摄像头所采集的所有图像样本的特征；根据特征分别处理同一摄像头所采集的图像样本，获得若干第一伪标签；利用第一伪标签训练多分支卷积神经网络；利用训练后的多分支卷积神经网络处理所有图像样本，获得若干第二伪标签；利用第二伪标签训练特征提取网络；利用训练好的特征提取网络对输入图像进行行人身份再识别。本申请的行人身份再识别方法能够实现更好的相似度计算，提高了伪标签的质量，从而充分利用了训练数据使身份再识别模型得到更好地训练，在无标注信息的情况下提取具有高判别力和高鲁棒性的行人特征，实现行人的准确检索与匹配。
-
公开(公告)号：CN118196476A
公开(公告)日：2024-06-14
申请号：CN202410184162.9
申请日：2024-02-19
Applicant: 北京大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/09
Abstract: 本发明涉及一种图像分类及图像分类模型的训练方法和装置，获取目标训练样本集，目标训练样本集中包括至少一个图像；针对每个图像，基于所述每个图像和预训练好的骨干模型，确定每个图像的全局特征图、第一块特征图，以及第二块特征图；将目标训练样本集中所有图像对应的全局特征图、第一块特征图以及第二块特征图，输入预设损失函数中，迭代更新得到图像分类模型的参数；预设损失函数的正样本相似度计算项中，针对所述每个图像的数据增强图像，以及目标训练样本集中与所述每个图像同一类别的其他图像，分别设置有与每个图像对应的正样本数量相关的加权项，用于平衡不同图像的正样本数量对梯度的影响，还用于学习不同类别图像之间的相同特征。
-
-
Search Results
3
records
(took 0.012 seconds)
