公开(公告)号：CN111814845B

公开(公告)日：2022-09-20

申请号：CN202010563309.7

申请日：2020-06-19

Applicant: 同济大学

Inventor： 黄德双 ,  李安东

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06N3/08 ,  G06T5/00 ,  G06T7/246 ,  G06V10/82 ,  G06V10/74 ,  G06V40/10

Abstract: 本发明涉及一种基于多支流融合模型的行人重识别方法，该方法使用深度学习技术，对训练集图片进行翻转、裁剪、随机擦除等预处理操作，然后经过基本网络模型进行特征提取，在使用多个支流损失函数进行融合联合训练网络，在第一、二条支流使用胶囊网络从水平方向和垂直方向来提取不同位置切片的空间关系，第三条支流使用胶囊网络来学习所获得特征图不同通道间的相关关系，第四条支流用于学习全局特征，第五条支流用于进行相应的相似度度量，通过多个支流模型的融合，考虑了不同的分割区域之间的相互关系，能够有效获取水平方向的身体零件特征，进而使网络提取的特征更加有效。

公开(公告)号：CN111814845A

公开(公告)日：2020-10-23

申请号：CN202010563309.7

申请日：2020-06-19

Applicant: 同济大学

Inventor： 黄德双 ,  李安东

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/08 ,  G06T5/00 ,  G06T7/246

Abstract: 本发明涉及一种基于多支流融合模型的行人重识别方法，该方法使用深度学习技术，对训练集图片进行翻转、裁剪、随机擦除等预处理操作，然后经过基本网络模型进行特征提取，在使用多个支流损失函数进行融合联合训练网络，在第一、二条支流使用胶囊网络从水平方向和垂直方向来提取不同位置切片的空间关系，第三条支流使用胶囊网络来学习所获得特征图不同通道间的相关关系，第四条支流用于学习全局特征，第五条支流用于进行相应的相似度度量，通过多个支流模型的融合，考虑了不同的分割区域之间的相互关系，能够有效获取水平方向的身体零件特征，进而使网络提取的特征更加有效。