买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江工业大学申请的专利一种基于卷积神经网络的跨模态行人重识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114627500B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210230686.8，技术领域涉及：G06V40/10；该发明授权一种基于卷积神经网络的跨模态行人重识别方法是由产思贤;崔嘉敖;李伟帅;杜锋;陶健;赖周年设计研发完成，并于2022-03-10向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的跨模态行人重识别方法在说明书摘要公布了：本发明公开了一种基于神经网络的跨模态行人重识别方法，获取带有身份标注的跨模态训练数据集，所述训练数据集中每个训练样本包括一个身份对应的红外线模态图像和日光模态图像，将训练样本输入到基于Resnet‑50构建的网络模型中，通过分支网络获得多尺度的图像特征，并在其上计算模态间的特征对应关系，充分挖掘不同尺度的模态共有特征。构建联合损失函数筛选模态共有特征中具有身份区别性的特征。本发明将全局和局部特征联合作为行人的表征，在跨模态行人重识别任务取得了良好的效果。

本发明授权一种基于卷积神经网络的跨模态行人重识别方法在权利要求书中公布了：1.一种基于卷积神经网络的跨模态行人重识别方法，其特征在于，所述基于卷积神经网络的跨模态行人重识别方法，包括： 获取带有身份标注的跨模态训练数据集，所述训练数据集中每个训练样本包括一个身份对应的红外线模态图像和日光模态图像； 将训练样本输入到基于Resnet-50构建的网络模型中，将所述Resnet-50第三个残差层中第一个残差块输出的特征图记为F3，所述特征图F3送入3个分支分别进行处理，得到特征图fg、f1、fl2、fl3、fl4、fl5，包括： 第一分支包括Resnet-50第三个残差层剩余的残差块和第四个残差层，提取出全局特征图fg； 第二分支包括Resnet-50第三个残差层剩余的残差块和第四个残差层，通过垂直均匀切片得到局部特征图fl1、fl2； 第三分支包括Resnet-50第三个残差层剩余的残差块和第四个残差层，通过垂直均匀切片得到局部特征图fl3、fl4、fl5； 分别计算红外线模态和日光模态特征图F3、fl1、fl2、fl3、fl4、fl5之间的特征对应关系； 对红外线模态和日光模态特征图F3、fl1、fl2、fl3、fl4、fl5进行特征重建，得到重建特征图 构建联合损失函数，根据红外线模态和日光模态特征图fg、F3、fl1、fl2、fl3、fl4、fl5以及重建特征图计算联合损失，进行反向传播，更新网络模型的网络参数； 采用训练好的网络模型提取查询图像的特征，与数据库中图像的特征进行比对，识别出查询图像中行人的身份； 其中，所述对红外线模态和日光模态特征图F3、fl1、fl2、fl3、fl4、fl5进行特征重建，得到重建特征图，重建公式如下： MRGBi＝|fRGBi| MIRj＝|fIRj| 其中，fRGBi和fIRj分别表示日光模态特征图和红外线模态特征图位置特征向量，i表示日光模态特征图i位置，j表示红外线模态特征图j位置，MRGB表示日光模态特征图上所有位置的响应强度，MIN表示取最小值，MAX表示取最大值，MIR表示红外线模态特征图上所有位置的响应强度，MRGBi表示日光模态特征图上i位置的响应强度，MIRj表示红外线模态特征图上j位置的响应强度，表示重建后的日光模态特征图i位置特征向量，表示重建后的红外线模态特征图j位置特征向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。