一种基于相机特征分离的目标重识别方法

    公开(公告)号:CN114140826B

    公开(公告)日:2024-05-31

    申请号:CN202111468443.X

    申请日:2021-12-03

    Abstract: 本发明提供了一种基于相机特征分离的目标重识别方法,包括如下步骤:步骤1:对数据进行预处理;步骤2:通过编码器提取样本特征,基于特征聚类生成伪标签;步骤3:基于注意力模块分离Feature Map;步骤4:向前传播得到目标和相机分类结果;步骤5:计算损失函数;步骤6:对模型进行优化计算;步骤7:得到测试模型的效果;步骤8:得到无监督目标重识别的解决方案;本申请相比于现有的消除相机影响的无监督目标重识别方法,用注意力模块直接分离相机特征更加直接,比二阶段方法更加简单;基于类别下相机中心的四元中心损失可以避免基于样本的度量损失的训练过程不稳定的现象。

    一种基于多层注意力的深度分层图像语义分割方法

    公开(公告)号:CN114140469B

    公开(公告)日:2023-06-23

    申请号:CN202111462219.X

    申请日:2021-12-02

    Abstract: 本发明提供了一种基于多层注意力的深度分层图像语义分割方法。该方法包括:构建图像语义分割模型,对训练图像进行预处理,得到包括训练图像的特征图的分割图像;通过图像语义分割模型使用多个不同大小的池化核对特征图进行池化处理,使用注意力函数对每一池化核层处理后得到的特征图进行注意力的计算,利用添加权重的交叉熵损失函数计算损失,使用损失进行梯度反向传播,得到训练好的图像语义分割模型;利用训练好的图像语义分割模型进行待分割的图像的语义分割处理。本发明图像语义分割模型在分层网络中添加了注意力机制,获得了全局的上下文信息,抑制无用的噪声。使用加权的交叉熵损失函数,使每个神经元获得到全局的上下文信息。

Patent Agency Ranking