欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202211376084X
申请人: 南通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2025-08-06
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于维度融合注意力的行人重识别方法,其特征在于,包括以下步骤:步骤1、数据集准备,对于给定的数据集,要划分为训练集和测试集,测试集又分为查询图片和待查询图片,训练集和测试集数据比例为1:1;

步骤2、基于维度融合注意力的行人重识别网络构建;

步骤2.1、使用Resnet50作为网络的基本骨架,在网络的每个瓶颈块的第二个批归一化处理后插入DFA;

步骤2.2、DFA模块,其分为三个步骤,分别为池化准备阶段、维度融合交互阶段和特征注意阶段,三个阶段中上一个阶段为下一个阶段做准备;

步骤2.3、第一阶段是对特征图做维度变换,处理成第二阶段维度融合的形状,其计算过程如式(1):X

其中,Pool

步骤2.4、第二阶段的任务是进行维度交互,首先使用一个滑动窗口的方式将第一阶段的输出转化为2维张量,再使用大小为49的超大一维卷积核进行维度交互,最后使用flod操作将其还原成三维张量即可,其计算过程如式(2)所示:X

其中Unflod(·)表示维度融合操作,Conv步骤2.5、第三阶段的任务是将上各阶段的特征图转换为注意图,与常规注意力机制相同,使用Sigmoid函数作为激活函数来激活有效特征,再与原始特征相乘即可得到注意特征;

步骤2.6、在网络最后引入了ECA注意力机制,卷积核大小为5的ECA注意力,所用ECA注意力即为最基本的ECA注意力机制;

步骤3、将训练数据依次输入网络,得到行人特征,将得到的行人特征输入损失函数,通过Adam优化器对网络参数进行限制,所述损失函数为交叉熵损失、加权正则化的三元组损失和中心损失联合构成的损失函数;

步骤4、测试阶段,在新的数据集中,将训练好的模型进行应用,将上面训练好的行人重识别模型部署到景区的视频监控系统中。

2.根据权利要求1所述的基于维度融合注意力的行人重识别方法,其特征在于,所述步骤3的损失函数包括:交叉熵损失:

其中,y

加权正则化的三元组损失:

式中i为每个批中的锚点图像,P

中心损失:

式中,fi表示第i个样本经过深度网络后提取得到的特征,yi表示第i个样本的标签,c最后的总损失为:

L=Lcls+Lwrt+Lcenter。

3.根据权利要求1所述的基于维度融合注意力的行人重识别方法,其特征在于,所述步骤4具体包括以下步骤:步骤4.1、测试阶段将测试集所有图像特征全都通过训练好的网络提取出来,然后依次计算每张查询图像和所有待查询图像的欧氏距离;

步骤4.2、对于每张查询图像,其相对所有待查询图像均有欧氏距离,对所有欧氏距离进行快速排序,排序结果越靠前的欧式距离所对应的待查询图片与查询图片越相似;

步骤4.3、多次查询行人图像后,评估系统的准确率,使用mAP、Rank-1和Rank-10指标评价。