基于層次注意力多任務(wù)深度模型的行人再識別方法

基本信息

申請?zhí)?/td> CN202210106070.X 申請日 -
公開（公告）號 CN114511881A 公開（公告）日 2022-05-17
申請公布號 CN114511881A 申請公布日 2022-05-17
分類號 G06V40/10（2022.01）I;G06V20/40（2022.01）I;G06V10/74（2022.01）I;G06V20/52（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 王其聰;黃艷;秦啟峰 申請（專利權(quán)）人 廈門大學(xué)深圳研究院
代理機(jī)構(gòu) 廈門南強(qiáng)之路專利事務(wù)所（普通合伙） 代理人 -
地址 361005福建省廈門市思明區(qū)思明南路422號
法律狀態(tài) -

摘要

摘要 基于層次注意力多任務(wù)深度模型的行人再識別方法，涉及計算機(jī)視覺。包括以下步驟：根據(jù)行人再識別數(shù)據(jù)集構(gòu)建焦點圖；設(shè)計層次注意力的多任務(wù)深度模型的行人再識別網(wǎng)絡(luò)模型，通過該模型推斷出行人間的相似性；計算兩個子任務(wù)的分類損失和，通過反向傳播和隨機(jī)梯度下降法對網(wǎng)絡(luò)模型進(jìn)行端到端的訓(xùn)練，得到訓(xùn)練好的模型；利用訓(xùn)練好的網(wǎng)絡(luò)模型測試行人再識別的識別效果，輸出行人間的相似度，并按照其大小降序排序。能充分共享在底層細(xì)節(jié)和高層語義方面具有不同區(qū)分力的層次特征提升深度相似性學(xué)習(xí)性能。在焦點圖節(jié)點多層近鄰聚合間引入注意力機(jī)制，使每層近鄰聚合后具有區(qū)分性的節(jié)點通道信息更具重要性，促進(jìn)對樣本間復(fù)雜相似性關(guān)系的深度推斷。