浙江大学励志勇获国家专利权
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！
龙图腾网获悉浙江大学申请的专利基于聚类优化的无监督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：CN117197838B 。
龙图腾网通过国家知识产权局官网在2025-09-05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：202311112605.5，技术领域涉及：G06V40/10；该发明授权基于聚类优化的无监督跨模态行人重识别方法是由励志勇;姜伟;赵鹏设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。
本基于聚类优化的无监督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聚类优化的无监督跨模态行人重识别方法，包括：1通过可见光模态和红外光模态这双模态通道数据增强的手段缓解了可见光图像以及红外图像巨大的模态差异，使得跨模态的聚类匹配精度提升；2通过模态内的去噪声以及跨模态的匹配与去噪消除了无监督聚类可能带来的噪声影响，得到了可靠的跨模态聚类中心的匹配对；3通过相机中心的划分消除了不同相机风格对聚类的负面影响，进一步优化聚类；4在不依靠有标注的源域数据集进行预训练的条件下，针对无标签的跨模态行人重识别数据集设计了训练以及测试的方法。该方法的识别平均均值精度相比于过去的方法获得了超过10％以上的提升。
本发明授权基于聚类优化的无监督跨模态行人重识别方法在权利要求书中公布了：1.一种基于聚类优化的无监督跨模态行人重识别方法，其特征在于，包括以下步骤： 步骤1，获取多目标对象在可见光模态和红外光模态下的可见光原始图像集和红外原始图像集并分别进行通道增强，得到可见光增强图像集和红外增强图像集； 步骤2，基于双路深度学习模型分别提取各图像集的特征，并对各特征分别聚类得到各聚类中心及对应的伪标签； 步骤3，基于各聚类中心及对应的伪标签进行模态内的噪声消除； 步骤4，噪声消除后实现跨模态的聚类中心之间的匹配； 步骤5，对各模态的各图像集对应的各聚类中心分别通过相机标签划分到不同的相机中心； 步骤6，结合聚类中心之间的匹配结果和相机中心构建模态内的相机中心对比损失和跨模态的相机中心对比损失，并依据对比损失更新相机中心和双路深度学习模型的参数； 步骤7，基于参数更新后的双路深度学习模型进行行人重识别。
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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。
以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号