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基于多粒度特征融合的双分支神经网络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：CN119649462B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411860297.9，技术领域涉及：G06V40/20；该发明授权基于多粒度特征融合的双分支神经网络行人重识别方法是由张涛;李昊;赵鑫;耿彦章;杨明;刘炜杰;孙涵筱;汪洋设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于多粒度特征融合的双分支神经网络行人重识别方法在说明书摘要公布了：本发明提出了一种基于多粒度特征融合的双分支神经网络行人重识别方法，该方法主要针对行人图像多粒度特征融合，采用全局分支，特征融合分支并行计算方式，输出全局特征和融合特征。最终将全局分支和融合分支的特征进行融合，作为最终特征，具有更准确和丰富的特征。本发明的方法能够对行人图像提取的浅层纹理特征与深层语义特征进行有效融合，避免目标细节信息丢失；通过采用全局分支和融合分支分别进行特征提取，保证提取的特征具有最大程度的判别性，提高算法对图像特征的利用率，使得提取到的特征能够融合更多当前目标的特征信息。提高了行人重识别准确率，减弱摄像头视野变化，背景变化等因素对行人重识别的干扰。

本发明授权基于多粒度特征融合的双分支神经网络行人重识别方法在权利要求书中公布了：1.基于多粒度特征融合的双分支神经网络行人重识别方法，其特征在于：包括如下步骤： 步骤1：获取行人重识别源域、目标域数据集； 步骤2：构建并行训练架构，所述并行训练架构包括四个网络结构相同的特征提取网络，分别用于生成硬标签和软标签，每个特征提取网络包括两个分支：全局分支和特征融合分支，将源域数据输入至并行训练架构中； 步骤3：全局分支采用ResNet‑50学习源域数据中每张图片的全局特征c5,ResNet‑50中res_conv5x的步长为1，输出尺寸为[16,8]； 步骤4：融合分支采用金字塔网络融合全局分支ResNet‑50中的c2，c3，c4，c5特征，其中c2为输入经过res2后的输出结果，尺寸为[64,32]，256通道，c3是c2经过res3后的结果，尺寸为[32,16]，512通道，c4是c3经过res4后的结果，尺寸[16,8]，1024通道，c5是c4经过res5后的结果，尺寸为[16,8],2048通道，输出p2，p3，p4，P4由c5经过上采样与调整通道后与c4相加而来，尺寸为[16,8]，256通道，P3由p4经过上采样与调整通道后与c3相加而来，尺寸为[32,16]，256通道，P2由p3经过上采样与调整通道后与c2相加而来，尺寸为[64,32]，256通道； 步骤5：将p2、p3、p4通过下采样的方式将尺寸调整为[16,8]，得到p2’、p3’、p4’； 步骤6：将p2’、p3’、p4’沿通道进行拼接，压缩通道至1024，得到c4_f； 步骤7：将c4_f输入到res_conv5x模块中，得到c5_f，res_conv5x模块与全局分支中res_conv5x模块参数相同； 步骤8：使用损失函数对整个网络结构进行约束； 步骤9：判断是否达到网络训练时设定的迭代次数，如果为是，则执行步骤10，如果为否，则执行步骤3； 步骤10：对每张行人图片得到的c5和c5_f进行融合得到最终用于行人重识别的特征feature_r； 步骤11：对每个行人的特征feature_r采用距离度量方式判别行人身份，输出识别结果。

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”。

以上内容由龙图腾AI智能生成。