Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜重庆大学葛永新获国家专利权

恭喜重庆大学葛永新获国家专利权

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!

龙图腾网恭喜重庆大学申请的专利基于跨模态融合和模态去相关的跨模态行人再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:CN116630884B

龙图腾网通过国家知识产权局官网在2025-04-04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:202310569837.7,技术领域涉及:G06V20/52;该发明授权基于跨模态融合和模态去相关的跨模态行人再识别方法是由葛永新;华博誉;苟一峰;徐玲;黄晟;洪明坚;王洪星;杨梦宁;张小洪设计研发完成,并于2023-05-19向国家知识产权局提交的专利申请。

基于跨模态融合和模态去相关的跨模态行人再识别方法在说明书摘要公布了:本发明涉及一种基于跨模态融合和模态去相关的跨模态行人再识别方法,该方法利用两个部分充分挖掘两个模态样本图像和特征间的关联:跨模态通道融合和模态去相关五元组损失。跨模态通道融合作为数据增强,相当于在数据集中补充了同时具有RGB和红外图像信息的新样本,使得模型的输入空间更加连续。CCM不会引入额外的参数或模型,可以很容易地与其他方法结合。该方法同时考虑了两个模态的图像信息,促使模型学习模态间的关联。模态去相关五元组损失约束了正样本对和负样本对内部的距离关系,从而减小特征与其所属模态的相关性,消除特征中冗余的模态特定信息。该方法从图像和特征层面同时解决模态差异问题,能更好地提升跨模态检索的性能。

本发明授权基于跨模态融合和模态去相关的跨模态行人再识别方法在权利要求书中公布了:1.一种基于跨模态融合和模态去相关的跨模态行人再识别方法,其特征在于:包括如下步骤:S101:建立行人特征提取双流网络,初始化网络参数S102:获取两个模态的行人图像,采样P个身份类别,每个身份采样K张RGB图像和K张红外图像和分别表示第i张RGB图像和第i张红外图像,它们具有相同的身份标签yi,每张RGB图像由三个通道组成,即R、G和B,表示为每张红外图像仅包含一个灰度通道;所有和所有构成原始图像集合;S103:从原始图像集合中选取部分行人图像进行跨模态融合,被选中的每张行人图像均得到一张新的RGB图像,所有新的RGB图像和原始图像集合中没有被选中做跨模态融合的行人图像构成训练样本集;S104:基于嵌入特征,计算模态去相关五元组损失LMDQ;基于嵌入特征,计算身份损失LID;S105:对于每个训练样本,基于最终损失函数值,反向传播更新网络参数,当损失不再下降,训练结束;所述最终损失函数定义为:Ltotal=LID+LMDQ#1S106:对于待预测图像,若待预测图像是RGB图像,则将待预测图像输入RGB分支中,计算待预测图像的特征与数据库中各红外图像特征之间的距离,根据距离由大到小的顺序输出该预测图像与待预测图像的特征之间距离排在前M的特征图像;若待预测图像是红外图像,则将待预测图像输入红外分支中,计算待预测图像的特征与数据库中各RGB图像特征之间的距离,根据距离由大到小的顺序输出与该待预测图像的特征之间距离排在前M的特征图像。

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重庆大学,其通讯地址为:400044 重庆市沙坪坝区沙正街174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”。

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。