买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南通理工学院申请的专利一种基于跨维度交互注意力的跨模态行人重识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117746457B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310657771.7，技术领域涉及：G06V40/10；该发明授权一种基于跨维度交互注意力的跨模态行人重识别方法是由王进;吕泽;江锴威;芦欣设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种基于跨维度交互注意力的跨模态行人重识别方法在说明书摘要公布了：本发明公开了一种基于跨维度交互注意力的跨模态行人重识别方法，包括对P*K张可见光图像进行灰度化处理获得灰度图像，将获得的P*K张灰度图像和P*K张红外图像输入至特征提取网络，利用ResNet50网络和基于跨维度交互的注意力块，根据输入的图像生成富含信息的图片特征，通过group损失函数和id损失函数，训练出性能良好的网络，若达到指定的训练轮数，则结束训练，否则继续完成训练，利用跨维度交互注意力机制，发掘维度之间的信息交互，更大幅度地提升了模型的识别准确率。

本发明授权一种基于跨维度交互注意力的跨模态行人重识别方法在权利要求书中公布了：1.一种基于跨维度交互注意力的跨模态行人重识别方法，其特征在于：包括以下步骤：步骤1：对P*K张可见光图像进行灰度化处理获得灰度图像，进入步骤2；步骤2：将步骤1中获得的P*K张灰度图像和P*K张红外图像输入至特征提取网络，进入步骤3；所述步骤2包括以下步骤：步骤2-1：将灰度图像输入特征提取网络，用来提取它的初步特征；步骤2-2：将红外图像输入特征提取网络，用来提取它的初步特征；步骤2-3：输出特征；步骤3：利用ResNet50网络和基于跨维度交互的注意力块，根据步骤2中输入的图像生成富含信息的图片特征，进入步骤4；所述步骤3包括以下步骤：步骤3-1：将步骤2获得的特征输入由ResNet50后四层的卷积层和基于跨维度交互注意力块组成的网络中，获得富含信息的图片特征；步骤3-2：将步骤3-1获得的图片特征经过M-pooling层，进入步骤3-3；步骤3-3：输出图片的池化特征；步骤3中以基于跨维度交互的注意力块的形式，内嵌在ResNet50网络中，充分感知不同维度间信息，增强特征维度之间的联系，挖掘维度间的信息；对特征采用M-pooling进行池化，其中M-pooling模块为平均池化、最大池化、取均值以及取最大值四类操作的组合；假设输入跨维度交互注意力模块的特征记作F∈RC×H×W，其中C，H，W分别代表通道、高和宽三个维度；首先对输入张量按两种策略，分别进行维度置换后输入M-pooling池化模块，其本质为分别对空间维度下的H和W分别池化；其中M-pooling模块为平均池化、最大池化、取均值以及取最大值四类操作的组合，分别得到FH∈R4×C×W和FW∈R4×C×H，并按最后一维进行拼接得到FPooling∈R4×C×H+W；接着，对上一阶段的输出FPooling，利用Unfold函数将三维特征转成二维，且该操作只卷不积，对通道和空间维度进行了融合；然后把利用Conv1d卷积，选取一个一维卷积核，以此学习通道和空间维度H和W维度的交互信息，最后利用fold函数进行还原，得到维度交互后的特征FInteraction∈R1×C×H+W；最后则是注意力部分，选用Sigmoid函数作为激活函数；通过分割和维度置换操作，得到最初两种策略下，C、H维度下的特征注意图MCH∈RC×1×W和C、W维度下的特征注意图MCW∈RC×H×1；利用广播机制获得最终输出，其表达式如公式1所示；Output＝F·MCH+MCW公式1步骤4：通过group损失函数和id损失函数，训练出性能良好的网络，进入步骤5；步骤5：若达到指定的训练轮数，则进行步骤6，否则继续完成训练，返回步骤1；步骤6：结束。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南通理工学院，其通讯地址为：226000 江苏省南通市崇川区永兴路211号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。