龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：武汉理工大学
摘要：本发明公开了一种基于特征解耦的车辆重识别方法、电子设备及存储介质，对于任意一个批次的输入数据，根据预训练的残差网络模型，得到全局特征图与局部特征图；将全局特征图与局部特征图序列化，为序列特征拼可学习的类标记或classtokens并充分交互，使得全局特征的classtoken包含进一步提取的全局特征信息，而局部特征的每个classtoken包含提取的细粒度精细特征；对细粒度精细特征进行聚类，基于进一步提取的全局特征与细粒度精细特征，构建分类器C，输入图像进行分类；通过对不同图像的特征进行相似度比较，并进行排序和匹配，完成车辆重识别。以提取到车辆的多样覆盖范围的关键特征，提高车辆重识别的准确性与可靠性。
主权项：1.一种基于特征解耦的车辆重识别方法，其特征在于包括如下步骤：S1、对于任意一个批次的输入图像，在ImageNet-1k数据集预训练基于ResNet残差网络模型的骨干网络，得到全局特征图与局部特征图；S2、将步骤S1得到的全局特征图与局部特征图序列化，得到全局特征序列以及用于特征解耦的局部特征序列；S3、为步骤S2得到的全局特征序列拼接上一个可学习的类标记或classtoken，为局部特征序列拼接上多个可学习的类标记或classtokens，让每个拼接上的token与对应特征图所有的特征序列充分交互，使得全局特征的classtoken包含进一步提取的全局特征信息，而局部特征的每个classtoken包含提取的细粒度精细特征；S4、基于解耦约束损失，将步骤S3得到的细粒度精细特征进行聚类，使得不同的token代表车辆不同的局部特征；S5、基于进一步提取的全局特征与细粒度精细特征，构建分类器C，输入图像进行分类；S6、基于三元组损失的车辆重识别：对于同一批次的输入车辆图像经过步骤S1-S4得到全局特征以及分类后细粒度的判别性特征，将全局特征、细粒度精细特征拼接在一起得到图像最终的特征，通过对不同图像的特征进行相似度比较，并进行排序和匹配，完成车辆重识别。
全文数据：
权利要求：
百度查询： 武汉理工大学 基于特征解耦的车辆重识别方法、电子设备及存储介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号