基于渐进性的全局-局部特征行人重识别方法及系统.pdf
书生****专家
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于渐进性的全局-局部特征行人重识别方法及系统.pdf
本发明公开了一种基于渐进性的全局?局部特征行人重识别方法及系统,包括步骤:步骤1、准备输入数据,输入图片数据,所述图片数据来自随机挑选的行人ID;步骤2、特征提取,提取输入数据的全局特征f<base:Sub>g</base:Sub>和局部特征f<base:Sub>l</base:Sub>;步骤3、对所述全局特征f<base:Sub>g</base:Sub>和局部特征f<base:Sub>l</base:Sub>计算损失函数,以交叉熵损失函数、困难三元组损失函数和达到最小化为目标去优化训练模型。本文的方法强
基于全局和局部特征融合的步态识别方法.pdf
本发明提供了一种基于全局和局部特征融合的步态识别方法。该方法包括:通过三维卷积神经网络从标准化轮廓图中训练出全局步态特征;通过三维卷积神经网络从局部轮廓图中训练出局部步态特征;通过串行组合的方式对所述全局步态特征和局部步态特征进行串行融合,获得组合步态特征,利用所述组合步态特征进行步态识别。本发明利用全局和局部的特征融合派生出最佳特征子集,进行步态特征提取模型的建立,统一解决现有的步态识别方法中存在的特征集不够有价值的问题,从而可以获得较好的步态识别结果。
基于全局和局部特征融合的大角度车型识别方法和系统.pdf
本发明公开一种基于全局和局部特征融合的大角度车型识别方法和系统,当车辆经过车型识别采集区时截取出包含车辆的图像,首先对截取的包含车辆的图像进行裁剪,得到去除复杂背景的车辆图片,将车辆图片分割为车脸图像分块、车尾图像分块和车轮图像分块。再将车辆图片、车脸图像分块、车尾图像分块和车轮图像分块导入到深层多分支卷积神经网络中对车辆的全局和局部特征进行特征训练,并将车辆图片特征和各个分块特征进行特征融合。后通过分类器对融合后的特征进行分类识别。本发明将大角度车辆的全局和局部特征进行融合,能够明显的提高大角度车型识别
基于特征融合的行人重识别方法.docx
基于特征融合的行人重识别方法基于特征融合的行人重识别方法随着摄像监控技术的不断发展,行人重识别技术在实际应用中变得越来越广泛。传统的行人重识别方法通常基于手工设计的特征,有效性受限。针对这个问题,近年来研究者们开始探索使用深度学习进行特征提取和融合,以提高行人重识别的准确性和鲁棒性。本文将介绍基于特征融合的行人重识别方法。1.基于深度学习的特征提取深度学习在人类视觉任务中取得了巨大成功。使用深度学习进行特征提取可以避免手工特征的限制,并在行人重识别领域中取得了显著的成果。目前,基于深度学习的行人重识别方法
基于全局注意力特征聚类的无监督目标行人重识别方法.pdf
本发明针对复杂背景下无标签行人图像背景噪声使全局重要特征不能很好学习的问题,提出一种基于全局注意力特征聚类的无监督目标行人重识别方法。本发明通过在卷积神经网络中加入信道注意力和空间注意力模块并分析在网络中的融合位置,生成一个信道空间注意力网络(ChannelSpatialAttentionNetwork,CSAN)提取全局特征,利用注意力机制降低背景噪声对行人全局特征的影响,提高模型对图像中有效信息的关注;采用一种平均离散正则化聚类准则改进层次聚类算法,增强无监督模型学习全局特征的能力,提高无监督行