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！

龙图腾网获悉浙江工业大学申请的专利基于中间模态的参数共享和特征学习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：CN115731574B 。

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：202211431464.9，技术领域涉及：G06V40/10；该发明授权基于中间模态的参数共享和特征学习的跨模态行人重识别方法是由杜锋;产思贤;白琮设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于中间模态的参数共享和特征学习的跨模态行人重识别方法在说明书摘要公布了：一种基于中间模态的参数共享和特征学习的跨模态行人重识别方法，通过中间模态生成器生成中间模态图像，所生成的中间模态图像能够缓解模态差异，然后原始图像与中间模态图像一同输入自主设计的双流骨干网络进行特征提取，对提取的特征设计了全局和局部特征学习，从粗粒度和细粒度两个层次减小模态差异。联合损失函数被用来筛选模态共有特征中具有身份区别性的特征，对网络模型进行优化。本发明在跨模态行人重识别任务取得了不错的效果。

本发明授权基于中间模态的参数共享和特征学习的跨模态行人重识别方法在权利要求书中公布了：1.基于中间模态的参数共享和特征学习的跨模态行人重识别方法，其特征在于，包括以下步骤： S1.获取训练数据集，所述训练数据集中每个训练样本为带有身份标注的可见光和红外线图像，将训练样本输入到所提出中间模态生成器中，所生成的中间模态图像和原始图像具有相同的身份标识； S2.将生成的中间模态图像Mvis，Mir与原始图像VIS，IR一起送入所设计的参数共享的双流网络中提取模态共享特征； S3.将提取的特征图送入所设计的全局和局部特征学习模块，从粗粒度和细粒度两个层次减少模态差异； S4.使用Ldclloss训练中间模态生成器，使得生成的中间模态图像更加接近，Lidloss与Lhc_triloss的组合监督局部特征，Lccloss监督全局特征，总体损失L为上述loss的总和，通过总体损失L的反向传播对中间模态生成器和双流主干网络的参数进行优化；所述总体损失L表示如下： L＝Lid+0.5Ldcl+Lhc_tri+Lcc1 其中Lid是滑动标签交叉熵损失，Lhc_tri异中心三元组损失，Lid和Lhc_tri联合监督局部特征，Ldcl是分布一致性损失，用于使得中间模态生成器生成的图像互相接近；Lcc是中心聚集损失，用于监督全局特征； 中心聚集损失Lcc表示为: Lcc＝LccV,I+LccV,Mvis+LccMvis,I+LccMvis,Mir6 其中LccV,I表示对VIS与IR图像的中心聚集损失，其具体公式表示为： 其中是当前批次中带有标签yi的特征的平均值，P是当前批次中的身份数量，σ是中心之间的最小边距；其中B表示每个模态输入图像的数量，2B为VIS图像与IR图像在批量拼接后的图片数量；其他模态间的中心聚集损失与公式7类似； S5.将待识别图像输入到训练好的网络中，分别提取待识别图像特征和数据库图像特征，通过图像特征的比对，完成待识别图像的识别。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路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”。