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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南昌大学汪琦获国家专利权

南昌大学汪琦获国家专利权

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!

龙图腾网获悉南昌大学申请的专利一种基于多任务联合预训练的遮挡车辆重识别方法及系统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:CN121545126B

龙图腾网通过国家知识产权局官网在2026-03-24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:202610072831.2,技术领域涉及:G06V20/54;该发明授权一种基于多任务联合预训练的遮挡车辆重识别方法及系统是由汪琦;黄立伟;陈香如;张泽渝;刘羽欣;徐继阳;熊辛;徐剑强;周坚;盖迪设计研发完成,并于2026-01-20向国家知识产权局提交的专利申请。

一种基于多任务联合预训练的遮挡车辆重识别方法及系统在说明书摘要公布了:本申请属于计算机视觉领域,公开了一种基于多任务联合预训练的遮挡车辆重识别方法及系统,该方法包括:获取待处理的车辆图像;基于车辆图像,通过一个统一的多任务联合预训练框架生成一个预训练模型,预训练框架并行执行以下步骤:执行前景增强知识蒸馏,通过对前景特征进行图像块旋转并将其知识蒸馏到全局特征,以学习视角不变性特征;执行视觉‑语言对比学习,通过生成与车辆前景区域对齐的前景感知文本提示,并进行图文对比学习,以增强对可见前景区域的表征能力;以及执行掩码视觉建模,通过对掩码后的图像特征进行前景特征重建和车辆视角掩码的语义重建,以学习局部特征;最后基于预训练模型对遮挡车辆进行重识别,有效抑制了遮挡干扰。

本发明授权一种基于多任务联合预训练的遮挡车辆重识别方法及系统在权利要求书中公布了:1.一种基于多任务联合预训练的遮挡车辆重识别方法,其特征在于,包括以下步骤: 在获取待处理的车辆图像之前,还包括预训练数据准备:构建障碍物实例库,所述实例库包含多种交通监控场景下的障碍物图像及对应的实例分割掩码,并为每个障碍物实例标注位置先验索引和视角先验索引;基于一个完整车辆数据集,根据车辆图像的视角信息以及所述障碍物实例的位置和视角先验索引,在所述车辆图像的合理位置粘贴障碍物,合成遮挡车辆图像;生成前景注释,包括:利用车辆解析模型提取所述遮挡车辆图像的初始前景区域掩码;获取合成时所述障碍物的精确位置掩码;以及,从所述初始前景区域掩码中去除与所述障碍物精确位置掩码重叠的区域,得到仅包含车辆可见部分的纯净前景掩码,所述纯净前景掩码用于生成前景主体特征和车辆视角掩码; 基于所述车辆图像,通过一个统一的多任务联合预训练框架生成一个预训练模型,其中,所述预训练模型由单模态图像编码器、单模态文本编码器和多模态图像解码器构成,所述预训练框架并行执行以下步骤: 执行前景增强知识蒸馏步骤,包括:利用所述单模态图像编码器分别提取所述车辆图像的全局视觉特征和前景主体特征;对所述前景主体特征执行图像块级旋转操作,生成旋转后的前景主体特征;以及,通过知识蒸馏,将所述旋转后的前景主体特征包含的视角不变性信息迁移至所述全局视觉特征;包括:将所述前景主体特征的多个图像块标记重塑为二维矩阵;在所述二维矩阵上执行旋转操作,以生成所述旋转后的前景主体特征,其中,分类标记在旋转过程中保持原始位置信息,旋转角度在预设区间内;计算所述全局视觉特征与所述旋转后的前景主体特征之间的特征分布差异作为知识蒸馏损失,并根据所述知识蒸馏损失更新所述单模态图像编码器的参数; 执行视觉-语言对比学习步骤,包括:基于所述车辆图像的前景信息,生成与车辆可见前景区域对齐的前景感知文本提示,具体包括:基于所述纯净前景掩码,生成可学习背景归一化前景图像,其中所述车辆图像的背景区域被可学习的背景向量填充;将所述可学习背景归一化前景图像输入至所述单模态图像编码器,提取其全局前景特征;将所述全局前景特征输入至多层感知机,生成多个前景主体语义向量;将所述多个前景主体语义向量与包含多个可学习标记的初始文本提示模板中的可学习标记进行融合,生成最终的所述前景感知文本提示;利用所述单模态文本编码器提取所述前景感知文本提示的文本特征;以及,对所述全局视觉特征与所述文本特征执行对比学习,以增强所述全局视觉特征对车辆前景关键信息的表征; 执行掩码视觉建模步骤,包括:对所述车辆图像的图像块进行掩码操作,得到掩码图像特征;将所述掩码图像特征和所述文本特征输入至所述多模态图像解码器,以并行地重建被掩码的所述前景主体特征,和重建与所述车辆图像对应的车辆视角掩码; 基于所述预训练模型中经过优化的所述单模态图像编码器,对目标遮挡车辆进行重识别处理。

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。

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。