Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 南京航空航天大学张立言获国家专利权

南京航空航天大学张立言获国家专利权

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!

龙图腾网获悉南京航空航天大学申请的专利基于深度学习的多源域行人重识别域泛化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:CN117252898B

龙图腾网通过国家知识产权局官网在2025-10-28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:202311134627.1,技术领域涉及:G06T7/20;该发明授权基于深度学习的多源域行人重识别域泛化方法是由张立言;陈凯祥设计研发完成,并于2023-09-05向国家知识产权局提交的专利申请。

基于深度学习的多源域行人重识别域泛化方法在说明书摘要公布了:本发明公开了一种基于深度学习的多源域行人重识别域泛化方法,包括以下步骤:准备数据集;采用循环串行的训练方式训练多个专家模型;采用难样本挖掘的思想,构建损失函数;在串行训练过程中加入终身学习策略;在测试阶段,对所有的专家模型进行加权平均,得到最终的模型;在目标域上将需要进行检测的行人目标图像进行整理,选择特征较多的图像作为query图像传入训练后的模型,将所有的监控录像生成的行人样本图像作为检测集进行检测匹配,模型将输出匹配度高的行人样本,相似程度由高到低排列,操作者根据行人目标列表,找到其中的同身份行人目标,进行行人追踪。本发明解决了显存爆炸和多源域相互干扰的问题。

本发明授权基于深度学习的多源域行人重识别域泛化方法在权利要求书中公布了:1.一种基于深度学习的多源域行人重识别域泛化方法,其特征在于:包括以下步骤: 步骤1,准备数据集,并对其进行预处理; 步骤2,采用循环串行的训练方式训练多个专家模型; 步骤3,采用难样本挖掘的思想,构建损失函数,使得各个专家模型在训练过程中能够综合考虑不同摄像头之间的差异; 步骤4,风格重放:在串行训练过程中加入终身学习策略; 设当前的训练域为B,此前,源域A已经被训练过了;使用的网络模型f是ResNet50,ResNet50包含4个残差模块,即,f=[res1,res2,res3,res4];设g=[res1,res2],对于给定的为网络模型f中间层的输出,g是网络f的一部分,其中xb是来自领域B的图像批次,批次大小为Bs,C,H,W分别表示中间层特征的通道数、高度和宽度;将和分别表示每个实例和每个小批次的通道特征均值和标准差;它们的计算方法如下: 其中,b,c,h,w分别代表第b张图片,第c个通道,v的高度坐标和宽度坐标; 定义: 将领域B的风格库定义为两个多元高斯分布和风格μB,σB从上述两个分布中进行采样,即 根据上述定义,设领域B正在训练中,领域A已经训练完毕,为了确保模型在领域A上的良好性能,需要使用来自A的图像信息;从领域A的风格库中随机抽取风格μA,σA与当前特征v混合,以合成新的特征 其中,m是个超参数,最后,会替代v送入后续的网络中; 步骤5,测试:在测试阶段,对所有的专家模型进行加权平均,得到最终的模型; 步骤6,在目标域中将需要进行检测的行人目标图像进行整理,选择特征较多的图像作为query图像传入加权平均后的模型,将所有的监控录像生成的行人样本图像作为检测集进行检测匹配,模型将输出匹配度高的行人样本,相似程度由高到低排列,操作者根据行人目标列表,找到其中的同身份行人目标,进行行人追踪。

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京航空航天大学,其通讯地址为:211106 江苏省南京市江宁区将军大道29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”。

以上内容由龙图腾AI智能生成。

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。