一种基于非对称度量学习的异构行人再识别方法

发明专利有效专利

申请号：
CN201811515924.X
IPC分类号：G06K9/00;G06K9/66
申请日期：
2018-12-12
申请人：
中山大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于非对称度量学习的异构行人再识别方法
申请号	CN201811515924.X	申请日期	2018-12-12
法律状态	授权	申报国家	暂无
公开/公告日	2019-04-16	公开/公告号	CN109635728A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;6查看分类表>
申请人	中山大学	申请人地址	广东省广州市海珠区新港西路135号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中山大学	当前权利人	中山大学
发明人	赖剑煌;程海杰;张权
代理机构	广州市华学知识产权代理有限公司	代理人	刘巧霞

摘要

本发明公开了一种基于非对称度量学习的异构行人再识别方法，该方法将不同模态下的深度特征进行非对称度量，步骤是：使用两个不共享参数的稀疏自编码器分别将不同模态深度特征投影到共享空间，同时引入全局约束和局部约束去约束不同模态深度特征间的距离，使不同模态特征间的类内距离减小和类间距离增加；将全局约束和局部约束的约束结果作为监督信号反向传播到训练网络中用于修正各个参数。本发明通过缩小不同模态间模态差距，使网络尽可能地忽略模态信息而更加关注身份信息，从而提高行人特征表达力和行人匹配精确度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供