Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津大学曹家乐获国家专利权

天津大学曹家乐获国家专利权

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!

龙图腾网获悉天津大学申请的专利一种基于动态RoI特征提取的行人搜索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:CN116052214B

龙图腾网通过国家知识产权局官网在2025-06-27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:202310059406.6,技术领域涉及:G06V40/10;该发明授权一种基于动态RoI特征提取的行人搜索方法是由曹家乐;董芝强;庞彦伟设计研发完成,并于2023-01-18向国家知识产权局提交的专利申请。

一种基于动态RoI特征提取的行人搜索方法在说明书摘要公布了:本发明涉及一种基于动态RoI特征提取的行人搜索方法,所采用的行人搜索网络采用基于候选框生成的一步法网络框架,包括干网络,颈网络和头网络,头网络由物体检测头网络和行人重识别头网络串接组成;头网络采用多级级联架构,即将上一级网络的输出结果作为下一级网络的输入;每一级头网络的输入包括颈网络对应的特征图,候选框位置信息、候选框特征向量,包含下列步骤:准备包含不同行人的图像集,标注图像集每张图像中行人的标注信息,包括行人的身份信息和标注框信息;将图像集划分为训练集,验证集和测试集;设置训练阶段的相关超参数;训练行人搜索网络。

本发明授权一种基于动态RoI特征提取的行人搜索方法在权利要求书中公布了:1.一种基于动态RoI特征提取的行人搜索方法,所采用的行人搜索网络采用基于候选框生成的一步法网络框架,包括干网络,颈网络和头网络,头网络由物体检测头网络和行人重识别头网络串接组成;头网络采用多级级联架构,即将上一级网络的输出结果作为下一级网络的输入;每一级头网络的输入包括颈网络对应的特征图,候选框位置信息、候选框特征向量,包含下列步骤: 步骤1:准备包含不同行人的图像集,标注图像集每张图像中行人的标注信息,包括行人的身份信息和标注框信息; 步骤2:将图像集划分为训练集,验证集和测试集; 步骤3:设置训练阶段的相关超参数; 步骤4:训练行人搜索网络,分为以下子步骤: 子步骤1:采用ImageNet预训练模型初始化相关的卷积权重; 子步骤2:输入图像经过干网络和颈网络生成特征图,将特征图输入头网络; 子步骤3:在头网络中,首先将上一级的候选框特征向量输入到全连接层中计算得到感兴趣区域不同子区域的偏移向量,其中第一级的候选框特征向量随机初始化生成;设RoI对齐池化中将RoI区域分为k×k个子区域,则偏移向量的尺寸为2×k×k; 子步骤4:设计动态RoI对齐池化层:动态RoI池化层采用候选框特征向量作为输入,利用全连接层预测RoI区域中的各子区域的偏移量,基于该偏移量,计算出不同子区域实际采样点的位置,然后利用RoI对齐池化操作生成RoI特征向量; 子步骤5:将得到的RoI特征向量和上一级的候选框特征向量输入到物体检测头网络中,得到更新后的候选框类别与位置信息、以及更新后的候选框特征向量,将RoI特征向量输入到行人重识别头网络中可得到重识别结果;更新后的候选框和候选框特征向量作为下一级输入的候选框和候选框特征向量; 子步骤6:设定训练阶段的损失函数,该损失函数包括物体检测的损失函数和重识别的损失函数;通过深度卷积神经网络中常用的反向传播算法,更新网络的权重参数; 子步骤7:当迭代次数结束时,所学习的权重参数为最终的网络参数,模型训练完成。

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天津大学,其通讯地址为:300072 天津市南开区卫津路92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”。

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。