-
公开(公告)号：CN119068266B
公开(公告)日：2025-02-14
申请号：CN202411551042.4
申请日：2024-11-01
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/82 , G06V20/52 , G06F17/16
Abstract: 本发明涉及图像处理与目标识别技术领域，公开了一种基于真伪标签一致性的跨模态行人再辨识方法及系统，方法包括：通过深度神经网络对可见光与红外光两种不同模态的行人图像提取特征向量；计算同模态、不同模态间的特征向量相似度，构建同模态、跨模态匹配矩阵，并进行归一化处理，生成同模态和跨模态归一化匹配矩阵；采用跨模态归一化匹配矩阵和同模态归一化匹配矩阵对真实标签进行投影，获得跨模态伪标签；优化真实标签与跨模态伪标签之间的Kullback‑Leibler（KL）散度，从而优化同模态和跨模态匹配矩阵，提升匹配矩阵对模态变化的鲁棒性，从而提升跨模态行人再辨识准确性。
-
公开(公告)号：CN119068266A
公开(公告)日：2024-12-03
申请号：CN202411551042.4
申请日：2024-11-01
Applicant: 华侨大学 , 泉州圣源警用侦察设备有限公司
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/82 , G06V20/52 , G06F17/16
Abstract: 本发明涉及图像处理与目标识别技术领域，公开了一种基于真伪标签一致性的跨模态行人再辨识方法及系统，方法包括：通过深度神经网络对可见光与红外光两种不同模态的行人图像提取特征向量；计算同模态、不同模态间的特征向量相似度，构建同模态、跨模态匹配矩阵，并进行归一化处理，生成同模态和跨模态归一化匹配矩阵；采用跨模态归一化匹配矩阵和同模态归一化匹配矩阵对真实标签进行投影，获得跨模态伪标签；优化真实标签与跨模态伪标签之间的Kullback‑Leibler（KL）散度，从而优化同模态和跨模态匹配矩阵，提升匹配矩阵对模态变化的鲁棒性，从而提升跨模态行人再辨识准确性。
-
公开(公告)号：CN117456561A
公开(公告)日：2024-01-26
申请号：CN202311779478.4
申请日：2023-12-22
Applicant: 华侨大学
IPC: G06V40/10 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N10/20 , G06N10/60
Abstract: 本发明公开一种基于部件量子学习的行人再辨识方法，涉及量子计算、人工智能领域，包括：用深度神经网络从行人图像中提取特征映射，并用自适应空间平均池化把特征映射分解为多个部件特征；用多分支通道型量子卷积网络，每个分支对应从一个部件特征上进行量子学习，获得部件量子特征；把所有部件量子特征求和并输入通道型量子卷积网络进行部件量子特征融合，获得最终的行人特征向量，用于行人再辨识。本发明利用量子叠加与纠缠特性实现行人特征学习，能提高特征学习效果，进而提升行人再辨识的准确率。
-
公开(公告)号：CN117456561B
公开(公告)日：2024-03-12
申请号：CN202311779478.4
申请日：2023-12-22
Applicant: 华侨大学
IPC: G06V40/10 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N10/20 , G06N10/60
Abstract: 本发明公开一种基于部件量子学习的行人再辨识方法，涉及量子计算、人工智能领域，包括：用深度神经网络从行人图像中提取特征映射，并用自适应空间平均池化把特征映射分解为多个部件特征；用多分支通道型量子卷积网络，每个分支对应从一个部件特征上进行量子学习，获得部件量子特征；把所有部件量子特征求和并输入通道型量子卷积网络进行部件量子特征融合，获得最终的行人特征向量，用于行人再辨识。本发明利用量子叠加与纠缠特性实现行人特征学习，能提高特征学习效果，进而提升行人再辨识的准确率。
-
-
-
Search Results
4
records
(took 0.052 seconds)
