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！

龙图腾网获悉大连大学申请的专利基于时空特征和异中心损失的跨模态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：CN115497121B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211169495.1，技术领域涉及：G06V40/10；该发明授权基于时空特征和异中心损失的跨模态行人重识别方法是由张强;苏鹏;刘瑞;周东生设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本基于时空特征和异中心损失的跨模态行人重识别方法在说明书摘要公布了：本发明提出一种基于时空特征和异中心损失的跨模态行人重识别方法，跨模态行人重识别模型从空间、通道、全局维度提取行人图像特征，并采用由身份损失、异中心样本损失、中心簇损失、总特征损失构成的损失函数训练跨模态行人重识别模型，实现行人图像的跨模态行人重识别。本发明同时提取了通道特征和空间特征，使得行人的表示更具有辨识性，使用了异中心样本损失，使得同一个行人特征的特征分布更加紧凑。

本发明授权基于时空特征和异中心损失的跨模态行人重识别方法在权利要求书中公布了：1.一种基于时空特征和异中心损失的跨模态行人重识别方法，其特征在于，跨模态行人重识别模型从并联的空间、通道、全局维度提取行人图像特征，并采用由身份损失、异中心样本损失、中心簇损失、总特征损失构成的损失函数训练跨模态行人重识别模型，实现行人图像的跨模态行人重识别； 所述空间维度将粗粒度的行人特征X，平均分割成p个小块，每个小块使用池化，1*1卷积，重塑操作，提取空间局部特征，具体表示为： Si＝ReshapeConvpoolXi 其中，表示每个小块的特征图；最后将所有空间局部特征连接起来，作为空间特征提取模块最终的特征表示； 通道维度由一个模式对齐模块和一个1*1卷积的下采样层组成； 全局维度对粗粒度的行人特征X进行池化和重塑操作，最后将三个维度的行人图像特征连接起来作为最终行人图像特征的表示； 所述异中心样本损失，其计算公式如下： 其中，LHCS表示异中心样本损失，ρ为边际参数，δ是一个平衡系数，[x]+＝maxx,0表示标准铰链损失，||xa-xb||2表示xa和xb间的二范数；P表示一个mini-batch中不同类的总数，和分别表示类i的第j张可见光图像和第j张红外图像的特征表示，和分别表示在一个mini-batch中可见光模态和红外模态类i的中心特征； 和由各自模态中所有类i的样本求均值得到，其计算公式如下： 其中，K表示一个mini-batch中可见光图像和红外图像的数量均为K。

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大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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”。