一种基于深度哈希的多级检索行人重识别方法

    公开(公告)号:CN112818859A

    公开(公告)日:2021-05-18

    申请号:CN202110141536.5

    申请日:2021-02-02

    Abstract: 本发明公开了一种基于深度哈希的行人重识别方法,加载输入行人图像;训练特征提取网络;构造多级哈希训练网络,分别输出实值特征和多个哈希编码;为特征提取网络的训练设计基于余弦相似度的三元组losst和用于分类的交叉熵lossc,为哈希网络的训练设计三元组loss;输入测试集图像,获取哈希网络的多级输出,二值化后存储为哈希库;输入一张图像,根据哈希码的长度,由短到长依次检索哈希库,逐步缩小检索范围,最后使用实值特征对检索到的图像按照余弦相似度排序,并返回最相似样本。本发明采用多级哈希检索,能够训练检索精度更高的哈希码,通过逐步缩小检索范围的方法,将检索过程的计算量进一步减小,可以实现更快速的检索速度。

    一种基于深度哈希的多级检索行人重识别方法

    公开(公告)号:CN112818859B

    公开(公告)日:2022-06-24

    申请号:CN202110141536.5

    申请日:2021-02-02

    Abstract: 本发明公开了一种基于深度哈希的行人重识别方法,加载输入行人图像;训练特征提取网络;构造多级哈希训练网络,分别输出实值特征和多个哈希编码;为特征提取网络的训练设计基于余弦相似度的三元组losst和用于分类的交叉熵lossc,为哈希网络的训练设计三元组loss;输入测试集图像,获取哈希网络的多级输出,二值化后存储为哈希库;输入一张图像,根据哈希码的长度,由短到长依次检索哈希库,逐步缩小检索范围,最后使用实值特征对检索到的图像按照余弦相似度排序,并返回最相似样本。本发明采用多级哈希检索,能够训练检索精度更高的哈希码,通过逐步缩小检索范围的方法,将检索过程的计算量进一步减小,可以实现更快速的检索速度。

    基于Inception结构的信道译码方法

    公开(公告)号:CN111901000A

    公开(公告)日:2020-11-06

    申请号:CN202010769360.3

    申请日:2020-08-03

    Abstract: 本发明公开了一种基于Inception结构的信道译码方法,包括以下步骤:生成不同信噪比的编码数据样本,并将生成的编码数据样本划分为训练集和测试集;构造一维Inception结构;构建基于Inception结构的信道译码网络;设置基于Inception结构的信道译码网络的训练超参数;训练基于Inception结构的信道译码网络;将测试集输入到训练完成的译码网络中,得到测试集的信道译码结果。本发明通过更改Inception结构设计了一种新的一维卷积神经网络,并将该网络应用到一维数据的信道译码中,通过接收已经编码的数据可以进行译码,对基于深度学习的通信信号译码工作有重要的工程价值。

Patent Agency Ranking