一种基于增广样本和多流层的行人检索方法
电 话：0991-6663985
联系人：杨辉
地 址：新疆乌鲁木齐新市区河南东路739号自治区中小企业服务中心1号楼102室
成果介绍
(10)授权公告号 CN 109284767 B
(45)授权公告日 2021.04.06
(21)申请号 201810813011 .X
(22)申请日 2018 .07 .23
(65)同一申请的已公布的文献号申请公布号 CN 109284767 A
(43)申请公布日 2019 .01 .29
(73)专利权人 天津师范大学
地址 300387 天津市西青区宾水西道393号
(72)发明人 刘爽 郝晓龙 张重
(74)专利代理机构 北京中政联科专利代理事务所(普通合伙) 11489
代理人 陈超
(51)Int .Cl .
G06K 9/62(2006 .01)
G06K 9/00(2006 .01)
G06N 3/04 (2006 .01)
(56)对比文件
CN 106682233 A ,2017 .05 .17
CN 107679465 A ,2018 .02 .09
CN 108197525 A ,2018 .06 .22
CN 107221320 A ,2017 .09 .29
Savinov Nikolay 等 .《Quad-Networks:
Unsupervised Learning to Rank for
Interest Point Detection》.《Proceedings of
the IEEE Conference on Computer Vision
and Pattern Recognition》.2017 ,1822-1830 .
审查员 张李一
(54)发明名称 一种基于增广样本和多流层的行人检索方法
(57)摘要
本发明实施例公开了一种基于增广样本和
多流层的行人检索方法，该方法包括：构建基于
增广样本和多流层的深度神经网络；获取训练
集，利用深度卷积生成对抗网络产生生成样本扩
充训练集；从训练集中选择B个真实样本和B个生
成样本作为深度神经网络输入；利用深度神经网
络多流层得到行人特征表示；送入混合四元组损
失，并基于损失值优化深度神经网络；利用训练
完成的深度神经网络提取待查询样本最终特征
表示，并且利用特征向量之间的相似度获得待查
询样本的匹配结果。本发明利用多流层学习不同
方面的行人特征，并利用混合四元组损失得到具
有判别性的特征空间，不但减小了过拟合的风险
还提高了网络的泛化能力，从而提高行人检索匹
配的正确率。
PDF全文： 
201810813011.X.pdf
201810813011.X.pdf阅读全文
