買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江理工大學申請的專利一種行人重識別學習網絡的構建方法及行人重識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116563891B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310548818.6，技術領域涉及：G06V40/10；該發明授權一種行人重識別學習網絡的構建方法及行人重識別方法是由鐵治欣;王王孟;陳燕兵;陶靈兵設計研發完成，并于2023-05-16向國家知識產權局提交的專利申請。

本一種行人重識別學習網絡的構建方法及行人重識別方法在說明書摘要公布了：本發明公開了一種行人重識別學習網絡的構建方法及行人重識別方法，涉及深度學習技術領域，包括：獲取行人重識別數據集，對行人重識別數據集進行預處理，得到訓練數據集；將訓練數據集輸入屬性軟共享和上下文局部網絡，提取全局特征、局部特征和屬性特征；將全局特征、局部特征和屬性特征分別輸入全局身份分類器、局部身份分類器和屬性分類器中，得到行人身份、局部身份及行人屬性的預測概率；基于行人身份、局部身份及行人屬性的預測概率，計算總體損失；根據總體損失反向傳播不斷迭代更新屬性軟共享和上下文局部網絡的模型參數，直至模型收斂，得到行人重識別學習網絡。本發明可以抽取更具有判別性的多層次特征，提高行人重識別的檢索性能。

本發明授權一種行人重識別學習網絡的構建方法及行人重識別方法在權利要求書中公布了：1.一種行人重識別學習網絡的構建方法，其特征在于，包括以下步驟： 獲取行人重識別數據集，對行人重識別數據集進行預處理，得到訓練數據集； 將訓練數據集輸入屬性軟共享和上下文局部網絡，提取全局特征、局部特征和屬性特征； 將全局特征、局部特征和屬性特征分別輸入全局身份分類器、局部身份分類器和屬性分類器中，得到行人身份、局部身份及行人屬性的預測概率； 基于行人身份、局部身份及行人屬性的預測概率，計算總體損失； 根據總體損失反向傳播不斷迭代更新屬性軟共享和上下文局部網絡的模型參數，直至模型收斂，得到行人重識別學習網絡； 其中，屬性軟共享和上下文局部網絡包括：骨干網絡、全局特征分支、局部特征分支和屬性特征分支；骨干網絡采用ResNet-50模型，并去掉ResNet-50模型中的分類器；全局特征分支包括全局身份分類器，局部特征分支包括上下文局部模塊和局部身份分類器，屬性特征分支包括屬性軟共享模塊和屬性分類器；全局特征分支，用于提供全局級別的特征即全局特征；局部特征分支，通過設計的上下文局部模塊，利用局部主體和整體之間潛在的空間關系和上下文信息來獲得局部特征；屬性特征分支，通過設計屬性軟共享模塊建立屬性之間的內在聯系，構建屬性特征； 提取屬性特征，具體為： 將特征圖X輸入到一個全卷積網絡中，提取低級屬性特征圖Ai，i∈1,2,…,r，r表示屬性組的數量； 對于每個屬性特征圖Ai，將除了Ai以外的所有特征圖Aj進行均值化，則來自其他類型的特征圖為： 對屬性特征圖Ai執行兩次軟共享操作，公式如下： 式中，表示第一階段共享信息的屬性特征圖； 通過全局平均池化Avg，獲取屬性特征通道數為Ca。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江理工大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街928號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。