公开(公告)号：CN109271852A

公开(公告)日：2019-01-25

申请号：CN201810888879.6

申请日：2018-08-07

Applicant: 重庆大学

Inventor： 张磊 ,  何贞苇 ,  刘方驿

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度神经网络的行人检测再识别的处理方法，它在Faster-RCNN物体检测网络的基础上，按以下步骤改进：步骤1、改进Faster-RCNN：1）、将Faster-RCNN添加了一个额外的区域推荐网络，2）、在改进的网络最后添加了一个256个神经元的全连接层用于提取行人身份相关的特征，并添加特征存储模块用于损失函数的计算；3）、在用于行人再识别的全连接层之后添加了在线匹配损失函数OLP和难样本优先损失函数HEP；步骤2、改进后Faster-RCNN的训练；步骤3、改进后Faster-RCNN的测试。本发明的技术效果是：一是将行人检测与行人再识别整合到一起，提升了基于行人检测网络的行人再识别的性能；二是提高了行人搜索任务的准确度。

公开(公告)号：CN106770967A

公开(公告)日：2017-05-31

申请号：CN201710009931.1

申请日：2017-01-06

Applicant: 重庆大学

Inventor： 张磊 ,  邓平聆 ,  何贞苇 ,  柳吉 ,  段青言 ,  王姗姗

IPC: G01N33/00

CPC classification number: G01N33/0004

Abstract: 本发明提供基于一类局部表达模型的电子鼻非目标干扰气体识别方法，它包括以下步骤：步骤1、在已确定的目标气体样本Xs中找到待测样本y的一类局部表达模型；步骤2、计算出表达系数向量α；步骤3、获取最优误差检测阈值T*；步骤4、求得待测样本y与表达值的残差RES，如果RES≤T*，那么待测样本y为目标气体样本；如果RES>T*，那么待测样本y即为异常的干扰气体样本。本发明的技术效果是：减少了运算量减，并提高了气体检测的准确性。

公开(公告)号：CN106770967B

公开(公告)日：2019-02-12

申请号：CN201710009931.1

申请日：2017-01-06

Applicant: 重庆大学

Inventor： 张磊 ,  邓平聆 ,  何贞苇 ,  柳吉 ,  段青言 ,  王姗姗

IPC: G01N33/00

Abstract: 本发明提供基于一类局部表达模型的电子鼻非目标干扰气体识别方法，它包括以下步骤：步骤1、在已确定的目标气体样本Xs中找到待测样本y的一类局部表达模型；步骤2、计算出表达系数向量α；步骤3、获取最优误差检测阈值T*；步骤4、求得待测样本y与表达值的残差RES，如果RES≤T*，那么待测样本y为目标气体样本；如果RES>T*，那么待测样本y即为异常的干扰气体样本。本发明的技术效果是：减少了运算量减，并提高了气体检测的准确性。