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！

龙图腾网获悉南昌大学申请的专利一种基于细粒度交互网络的换衣行人重识别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：CN117133015B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202311050670.X，技术领域涉及：G06V40/10；该发明授权一种基于细粒度交互网络的换衣行人重识别方法是由闵卫东;白冬;汪琦;韩清;盖迪设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种基于细粒度交互网络的换衣行人重识别方法在说明书摘要公布了：本发明提供了一种基于细粒度交互网络的换衣行人重识别方法，S1，对换衣行人数据集图像预处理，通过像素采样生成换衣后图像；S2，采用ResNet50作为主干网络，将初始图像和生成图像一同输入主干网络，提取它们的特征向量F和引入空间注意力模块获得其对应的细粒度特征；S3，构建成对交互网络，将细粒度特征交互嵌入到特征空间和F，通过non‑local模块自适应地融合相似的上下文信息，获得具有判别力的特征区域，用于行人身份的检索；S4，通过多个损失函数联合对行人特征进行优化。本发明引入注意力算法聚焦于服装区域之外的细粒度空间特征；设计成对交互网络，进一步抑制服装区域对模型的影响，提升模型的鉴别能力。

本发明授权一种基于细粒度交互网络的换衣行人重识别方法在权利要求书中公布了：1.一种基于细粒度交互网络的换衣行人重识别方法，其特征在于：包括以下步骤： S1，对换衣行人数据集图像预处理，通过像素采样生成换衣后图像； S2，采用ResNet50作为主干网络，将初始图像和生成图像一同输入主干网络，提取它们的特征向量和，引入空间注意力模块获得其对应的细粒度特征； S3，构建成对交互网络，将细粒度特征交互嵌入到特征空间和，通过non-local模块自适应地融合相似的上下文信息，获得具有判别力的特征区域，用于行人身份的检索； S4，通过多个损失函数联合对行人特征进行优化； 其中，步骤S3包括： 首先通过主干网络提取初始图像的特征向量，然后通过空间注意力模块获得其细粒度特征，然后将该特征嵌入到生成图像的特征空间并通过non-local模块引入空间上下文，最后通过注意力池化突出细粒度特征；细粒度嵌入特征如下公式所示： ， 通过non-local模块传递空间嵌入特征；通过键值对K-V捕捉特征空间中的依赖关系；查询Q和键K向量点积，通过函数激活得到权重矩阵W，为键值对分配权重，赋予上下文相似的值更多的权重；然后对每个值V向量进行加权和，并进行1x1卷积，使其与输入张量维数相同，计算过程如下公式所示： ， ， ， 其中，表示对向量进行L2归一化，reshape表示矩阵维数的转换，和分别表示ReLU激活函数和激活函数，和表示1×1卷积，T表示向量转置，表示张量的乘法； 然后对每个值向量V进行加权和和1×1卷积，将得到的向量添加到中，得到上下文感知的特征；此外，通过对进行加权空间平均池化突出细粒度特征，结果为；计算过程如下公式所示： ， ， 其中，表示1×1卷积，reshape表示矩阵维数的转换，表示张量的乘法，和分别表示特征空间的宽度和高度，和表示特征索引； 最后基于对行人进行预测，将其输入批处理归一化和全连接层，将全连接层的输出结果记录为；同时，提取生成图像的细粒度特征并将其嵌入到原始图像的特征空间，一并用于行人身份的预测，将其结果记录为；理论上，两个网络的预测结果一致。

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昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。