龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：武汉科技大学
摘要：本申请提供了一种基于弱监督融合策略的跨模态小股人群重识别方法及设备，涉及小股人群身份识别领域，方法包括：获取跨模态小股人群图像并进行标注以及行人检测，得到行人图片；通过预训练的CNN深度学习神经网络，提取行人图片的行人特征；构建跨模态群组成员相似度的不等式以及初级特征相似度；通过最大群组相似性策略，度量高级特征相似度；在CNN深度学习神经网络中通过无监督抑制方法，融入群组成员关联性模块，解耦出跨模态不变的群组特征，实现跨模态可见光‑近红外小股人群的身份识别。采用与行人特征输入顺序无关的弱监督增强策略以及无监督群组成员关联的抑制策略相融合，在减轻对标签的过度依赖条件下，实现全天候检索群组的目的。
主权项：1.一种基于弱监督融合策略的跨模态小股人群重识别方法，其特征在于，方法包括以下步骤：S1：获取跨模态小股人群图像并进行行人检测，得到行人图片；标注跨模态小股人群图像的人群和行人的弱监督身份信息；S2：通过预训练的CNN深度学习神经网络，提取行人图片的行人特征；S3：构建跨模态群组成员相似度的不等式；S4：根据行人特征的余弦相似度以及不等式，构建跨模态小股人群图像的初级特征相似度；S5：通过最大群组相似性策略以及初级特征相似度，度量跨模态小股人群图像的高级特征相似度；S6：在预训练的CNN深度学习神经网络中通过无监督抑制方法，融入群组成员关联性模块，结合高级特征相似度，解耦出跨模态不变的群组特征，实现跨模态可见光-近红外小股人群的身份识别。
全文数据：
权利要求：
百度查询： 武汉科技大学 基于弱监督融合策略的跨模态小股人群重识别方法及设备
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号