公开(公告)号：CN115661754B

公开(公告)日：2024-05-31

申请号：CN202211376084.X

申请日：2022-11-04

Applicant: 南通大学

Inventor： 陈海明 ,  王进

IPC: G06V20/52 ,  G06V40/20 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种基于维度融合注意力的行人重识别方法，属于智能监控、计算机视觉技术领域。解决了缓解行人不对齐，图像噪声等不利因素对行人重识别结果造成的不利影响的问题。其技术方案为：包括以下步骤：步骤1、准备工作；步骤2、训练阶段；步骤3、测试阶段。本发明的有益效果为：本发明通过注意力机制提升行人重识别的准确率。

公开(公告)号：CN117351533A

公开(公告)日：2024-01-05

申请号：CN202310421455.X

申请日：2023-04-19

Applicant: 南通大学

Inventor： 吕泽 ,  王进 ,  陈海明

IPC: G06V40/16 ,  G06V10/42 ,  G06V10/774 ,  G06V10/80 ,  G06V10/56 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于注意力知识蒸馏的轻量级行人重识别方法。本发明包括以下步骤：步骤1、输入1张彩色图像至轻量级行人重识别特征提取网络；步骤2、利用ResNet50网络和维度交互注意力块，将步骤1中输入的图像生成富含信息的浅层特征和深层特征；步骤3、利用bottleneck，使前三层的特征对齐第四层的特征，获得对齐的浅层特征和深层特征；步骤4、利用深层特征对浅层特征进行注意力迁移知识蒸馏；步骤5、利用步骤3获得的对齐的深层特征对浅层特征进行解耦知识蒸馏；步骤6、若达到指定的训练轮数，则结束；否则继续完成训练，返回步骤1。本发明减少了模型的参数，从而大大提高了模型的运行速度。

公开(公告)号：CN115661754A

公开(公告)日：2023-01-31

申请号：CN202211376084.X

申请日：2022-11-04

Applicant: 南通大学

Inventor： 陈海明 ,  王进

IPC: G06V20/52 ,  G06V40/20 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种基于维度融合注意力的行人重识别方法，属于智能监控、计算机视觉技术领域。解决了缓解行人不对齐，图像噪声等不利因素对行人重识别结果造成的不利影响的问题。其技术方案为：包括以下步骤：步骤1、准备工作；步骤2、训练阶段；步骤3、测试阶段。本发明的有益效果为：本发明通过注意力机制提升行人重识别的准确率。

公开(公告)号：CN117115850A

公开(公告)日：2023-11-24

申请号：CN202310562808.8

申请日：2023-05-18

Applicant: 南通大学 ,  南通理工学院

Inventor： 吕泽 ,  王进 ,  陈海明 ,  芦欣

IPC: G06V40/10 ,  G06V10/46 ,  G06V10/774 ,  G06V10/778 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于离线蒸馏的轻量级行人重识别方法，在数据集中选取行人的若干张图像构建样本，基于残差网络和归一化的注意力机制，提取样本中图像的特征，通过全连接网络和损失函数，基于提取后的图像特征，训练教师网络，根据获得的教师网络，通过解耦知识蒸馏，协助训练出性能相近的学生网络，并应用该模型，对目标区域的行人进行重识别；本发明提出了基于离线蒸馏的轻量级行人重识别网络，在仅损失少量精度的前提下，极大地降低了网络模型的参数量，有效地提升了行人重识别的推理速度。