申请/专利权人：清华大学

申请日：2021-12-23

公开（公告）日：2024-06-28

公开（公告）号：CN114445852B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.05.24#实质审查的生效;2022.05.06#公开

摘要：本申请公开了一种脑启发的长时程持续行人重识别方法及装置，其中，方法包括：利用初始训练数据对深度神经网络进行训练得到初始行人重识别模型；提取初始训练数据中的情景记忆缓冲数据，并获取初始行人重识别模型中的预设参数；根据新增训练数据和情景记忆缓冲数据对初始行人重识别模型进行再训练的同时，对预设参数进行约束，以使预设参数满足约束条件；计算再训练后的初始行人重识别模型的损失函数，根据损失函数对情景记忆缓冲数据和预设参数进行迭代更新，直至当前的行人重识别模型满足迭代终止条件，得到最终行人重识别模型。本申请能够在不需要存储大量旧数据的条件下更新神经网络模型参数，在适应新数据的同时维持模型在旧数据上的性能。

主权项：1.一种脑启发的长时程持续行人重识别方法，其特征在于，包括以下步骤：S1，利用初始训练数据对深度神经网络进行训练得到初始行人重识别模型；S2，提取所述初始训练数据中的情景记忆缓冲数据，并获取所述初始行人重识别模型中的预设参数；S3，根据新增训练数据和所述情景记忆缓冲数据对所述初始行人重识别模型进行再训练的同时，对所述预设参数进行约束，以使所述预设参数满足约束条件；S4，计算再训练后的所述初始行人重识别模型的损失函数，根据所述损失函数对所述情景记忆缓冲数据和所述预设参数进行更新，并执行S3，直至当前的行人重识别模型满足迭代终止条件，得到最终行人重识别模型；在步骤S2中，获取所述初始行人重识别模型中的预设参数，包括：根据所述初始行人重识别模型输出的行人特征函数对模型参数的敏感性进行计算得到所述初始行人重识别模型中多个参数的参数重要性值，将所述参数重要性值大于预设阈值的模型参数作为所述预设参数；所述参数重要性值的计算公式为： 其中，Ωi为参数重要性值，θ表示模型当前的参数值，N表示两次更新参数重要性之间输入模型的样本数量，xj表示第j个行人样本，Fxj|θ表示当前模型提取的第j个样本的行人特征，||·||表示平方L2范数。在步骤S4中，所述损失函数的计算公式为： 其中，表示初始行人重识别模型的损失函数，表示当前最后一次更新预设参数的参数重要性时参数θi的值，λ1和λ2为权衡参数。

全文数据：

权利要求：

百度查询： 清华大学 脑启发的长时程持续行人重识别方法及装置

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