申请/专利权人：福州大学

申请日：2024-04-11

公开（公告）日：2024-06-21

公开（公告）号：CN118230126A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/25;G06V10/74;G06V10/766;G06V40/10

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明涉及基于相似度层次树重排序与场景特征嵌入的行人搜索方法，包括以下步骤：获取行人搜索数据集，输入主干网络和特征金字塔结构获得输入后续模块的特征图；将特征输入区域生成网络获得初步提议框，根据提议框从之前获取的特征图中提取感兴趣区域并且生成局部提议特征；将局部提议特征输入多重区域卷积神经网络模块来获取的更准确的行人提议框和行人判别分数，设定阈值，取出低分的行人提议框，剩下的行人提议框用于在图像特征图中提取行人特征；将行人特征输入行人重识别模块计算行人识别损失；按照指定训练参数进行迭代训练，最终模型利用行人信息和图像场景上下文信息综合判断得到行人搜索的结果；本发明能够准确有效地进行行人搜索。

主权项：1.基于相似度层次树重排序与场景特征嵌入的行人搜索方法，其特征在于，包括以下步骤：步骤S1：获取行人搜索数据集，输入主干网络，再通过与主干网络适配的特征金字塔结构结合多尺度信息进一步增强特征表示，完成后获得输入后续模块的特征图；步骤S2：将特征图输入区域生成网络获得初步提议框，根据提议框从之前获取的特征图中提取感兴趣区域并且生成局部提议特征，计算判别损失和提议框回归损失；步骤S3：将局部提议特征输入多重区域卷积神经网络模块来获取更准确的行人提议框和行人判别分数，通过两个区域卷积神经网络模块，计算两次提议框回归损失和判别损失，根据行人判别分数，设定阈值，取出低分的行人提议框，剩下的行人提议框用于在图像特征图中提取行人特征；步骤S4:将行人特征输入行人重识别模块计算行人识别损失，根据数据集中的行人类别与行人重识别模块输出的行人重识别特征之间计算出的余弦相似度构造行人类别层次树，然后将骨干网络输出的图片特征输入场景编码模块获得场景特征，将具有已知id的行人特征当作查询行人特征，将查询行人特征与场景特征结合后获得场景特征，再通过行人类别层次树采样行人场景特征的正负对，计算行人场景结构建模损失；步骤S5：按照指定训练参数进行迭代训练，通过优化组合损失更新模型参数，根据验证准确率不断保存最优模型，最终模型利用行人信息和图像场景上下文信息综合判断得到行人搜索的结果。

全文数据：

权利要求：

百度查询： 福州大学 基于相似度层次树重排序与场景特征嵌入的行人搜索方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD