公开(公告)号：CN114882534A

公开(公告)日：2022-08-09

申请号：CN202210606376.1

申请日：2022-05-31

申请人： 合肥工业大学

发明人： 李小红 ,  代雪松 ,  齐美彬 ,  庄硕 ,  郝世杰 ,  蒋建国 ,  张晶晶 ,  李世龙

IPC分类号： G06V40/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于反事实注意力学习的行人再识别方法和系统、计算机存储介质。其中行人再识别方法通过比较事实，即学习的注意力，和反事实，即虚假的注意力，对最终预测的影响来量化注意力的质量。并通过最大化差异以促进网络学习更有效的视觉注意力并减少有偏训练集的影响，以此来增强目标域行人图像的判别性特征学习解决目标域行人图像存在遮挡和背景杂波问题。

公开(公告)号：CN117893776A

公开(公告)日：2024-04-16

申请号：CN202410069929.3

申请日：2024-01-17

申请人： 合肥工业大学

发明人： 李小红 ,  齐美彬 ,  代雪松 ,  李坤袁 ,  庄硕 ,  项厚宏 ,  刘学亮 ,  王静

IPC分类号： G06V10/62 ,  G06V20/52 ,  G06V10/44 ,  G06V10/80 ,  G06V10/52 ,  G06V10/776

摘要： 本发明公开了一种基于多尺度特征扩展的行人再识别方法、系统及介质，模型包括基线网络，以及多尺度特征扩展模块，将获取的RGB图像和深度图像分别输入基线网络进行特征提取和拼接操作；将拼接后的浅层特征输入到特征扩展模块得到扩展后的多尺度特征图；并与原浅层特征拼接后输入到深层特征提取器中，得到深层特征；并通过损失函数计算得到总损失后，采用迭代训练优化模型的参数，进行迭代训练得到最优的模型；根据训练好的模型来进行行人再识别预测和效果评估。本发明通过采用可形变卷积、深度可分离卷积与空洞卷积获取更多尺度信息并进行扩展。有效的缓解了当前由于缺乏高质量训练数据集导致的RGB‑D跨模态行人再识别模型性能低下的问题。

公开(公告)号：CN114882534B

公开(公告)日：2024-03-26

申请号：CN202210606376.1

申请日：2022-05-31

申请人： 合肥工业大学

发明人： 李小红 ,  代雪松 ,  齐美彬 ,  庄硕 ,  郝世杰 ,  蒋建国 ,  张晶晶 ,  李世龙

IPC分类号： G06V40/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0895

摘要： 本发明公开了一种基于反事实注意力学习的行人再识别方法和系统、计算机存储介质。其中行人再识别方法通过比较事实，即学习的注意力，和反事实，即虚假的注意力，对最终预测的影响来量化注意力的质量。并通过最大化差异以促进网络学习更有效的视觉注意力并减少有偏训练集的影响，以此来增强目标域行人图像的判别性特征学习解决目标域行人图像存在遮挡和背景杂波问题。