基于增強型深度卷積神經(jīng)網(wǎng)絡(luò)的行人再識別方法

基本信息

申請?zhí)?/td> CN201810721706.5 申請日 -
公開（公告）號 CN108960141B 公開（公告）日 2021-04-23
申請公布號 CN108960141B 申請公布日 2021-04-23
分類號 G06K9/00(2006.01)I;G06K9/62(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 郭天生;郭曉強;王強;姜竹青;門愛東 申請（專利權(quán)）人 國家新聞出版廣電總局廣播科學(xué)研究院
代理機構(gòu) 天津盛理知識產(chǎn)權(quán)代理有限公司 代理人 王利文
地址 100886北京市西城區(qū)復(fù)興門外大街2號監(jiān)管大樓521
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及一種基于增強型深度卷積神經(jīng)網(wǎng)絡(luò)的行人再識別方法，使用基礎(chǔ)深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型提取行人圖像的基礎(chǔ)深度特征，同時使用傳統(tǒng)手動特征提取方法提取行人圖像的手動特征并降維；應(yīng)用特征重建模塊將基礎(chǔ)深度特征和手動特征融合成增強型深度特征；通過特征比較預(yù)測兩張圖像中行人是否為同一個人，聯(lián)合使用分類損失函數(shù)和驗證損失函數(shù)對輸入圖像進行分類和異同驗證，以最小化聯(lián)合損失為目標來訓(xùn)練網(wǎng)絡(luò)，使得網(wǎng)絡(luò)生成更有判別力的行人圖像特征。本發(fā)明充分利用了手動特征和深度特征之間的互補性，提出了聯(lián)合使用分類損失和驗證損失函數(shù)用于監(jiān)督網(wǎng)絡(luò)訓(xùn)練的策略，獲得了良好的性能，有效地提高行人再識別準確率。??