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！

龙图腾网获悉深圳大学申请的专利一种基于行人重识别的度量损失框架改进方法及相关设备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：CN115170835B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202210905618.7，技术领域涉及：G06V10/62；该发明授权一种基于行人重识别的度量损失框架改进方法及相关设备是由徐颖;庾名星;蔡大森;汤俊杰;陈明伟设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本一种基于行人重识别的度量损失框架改进方法及相关设备在说明书摘要公布了：本发明公开了一种基于行人重识别的度量损失框架改进方法及相关设备，所述方法包括：利用对角化方法对拟合不同类别样本总体分布的协方差矩阵进行降维处理；利用代理矩阵存储不同类别的协方差矩阵的对角元素，并通过代理矩阵将样本的不确定性范围映射到特征空间中；利用SVD分解网络对特征提取网络的输出层参数矩阵进行奇异值分解；利用左奇异矩阵代替原参数矩阵，不改变特征向量欧氏距离相关性，将特征向量投影到正交的特征解空间中，完成对特征向量纬度的相关性解耦；根据提取得到的维度相关性解耦的特征向量，完成对度量损失框架的改进。本发明降低了损失函数的计算复杂度和模型复杂度，提升了训练效率和模型性能。

本发明授权一种基于行人重识别的度量损失框架改进方法及相关设备在权利要求书中公布了：1.一种基于行人重识别的度量损失框架改进方法，其特征在于，所述基于行人重识别的度量损失框架改进方法包括： 利用对角化方法对拟合不同类别样本总体分布的协方差矩阵进行降维处理； 利用代理矩阵存储不同类别的协方差矩阵的对角元素，并通过代理矩阵将样本的不确定性范围映射到特征空间中； 利用SVD分解网络对特征提取网络的输出层参数矩阵进行奇异值分解； 利用左奇异矩阵代替原参数矩阵，不改变特征向量欧氏距离相关性，将特征向量投影到正交的特征解空间中，完成对特征向量纬度的相关性解耦； 根据提取得到的维度相关性解耦的特征向量，完成对度量损失框架的改进； 所述利用对角化方法对拟合不同类别样本总体分布的协方差矩阵进行降维处理，具体包括： 对样本分布进行建模时，对每个类别分别学习不同类别的协方差矩阵； 若一个存在C个类别的训练图像数据集其中，y是图片I所对应的类别标签，N是训练图像的个数； 对于第i张训练集图片I，将特征提取网络θ·提取的特征向量记作其中，n为特征向量空间的维数，T表示转置；将类别样本的协方差矩阵Σa表示如下： 其中，ann表示n*n维特征的方差； 对原本的协方差矩阵Σa加强约束，使各个维度之间的相关性进行解耦，得到对角化后的协方差矩阵： 在对角化约束的条件下，每个类别的协方差矩阵的待更新元素数量下降到n，对具有C个类别的训练图像数据集、特征空间的维度是n维的情况下，对于协方差矩阵Σa总共仅有C×n个元素计算，计算复杂度从平方复杂度OC×n2下降到线性复杂度OC×n。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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”。

以上内容由龙图腾AI智能生成。