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！

龙图腾网获悉杭州电子科技大学申请的专利基于Vision Transformer注意力筛选的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：CN116682145B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310734032.3，技术领域涉及：G06V40/10；该发明授权基于Vision Transformer注意力筛选的行人重识别方法是由朱素果;郑智豪;俞俊;范建平设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本基于Vision Transformer注意力筛选的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VisionTransformer注意力筛选的行人重识别方法。通过根据注意力响应值获取被重点关注的行人特征，帮助模型训练和识别。本发明包含以下步骤：1、获取具有行人身份标签的行人图像，对图像进行图像增强操作，并对图像统一处理以保证模型能够接收图像集的输入；2、构建基于VisionTransformer的全局‑局部特征抽取的行人重识别模型；3、训练行人重识别模型，直到模型收敛；4、针对训练好的模型使用测试集评估模型泛化性能。本发明使用的注意力筛选相比于对特征进行随机打乱，能够更好地帮助模型训练，提升模型的辨别能力，同时减少干扰特征对模型识别的影响，提升了模型的鲁棒性。

本发明授权基于Vision Transformer注意力筛选的行人重识别方法在权利要求书中公布了：1.基于VisionTransformer注意力筛选的行人重识别方法，其特征在于包括如下步骤： 步骤1、获取具有行人身份标签的行人图像，对行人图像进行图像增强操作，并对行人图像统一处理以保证模型能够接收图像集的输入； 步骤2、构建基于VisionTransformer的全局-局部特征抽取的行人重识别模型；所有预处理后的行人图像通过行人重识别模型中主干模型的两个分支获得行人特征，并通过多个分类器获得行人身份预测； 步骤3、训练行人重识别模型，直到模型收敛；对得到的行人身份预测、行人重识别模型中主干模型输出的行人特征、行人身份标签计算损失，再使用随机梯度下降使得损失减少以帮助模型收敛； 步骤4、行人预测；获取多组没有参与训练的包含行人身份标签的行人图像，每个行人至少有两张图像；对图像集统一处理后，分别从每个行人对应的行人图像中抽取一张作为query，其余图像作为gallery；将query和gallery输入到模型中获得两组特征，计算这两组特征距离，找到gallery中与query最相似的图像； 所述步骤3具体实现过程如下： 将行人重识别数据集标签作为监督信息，连同全局特征和局部特征共同计算困难三元组损失帮助训练网络；将全局特征和局部特征分别通过分类器得到预测分数，并使用交叉熵损失帮助训练模型；交叉熵损失公式具体如下： 其中，N为行人ID数，qi是监督信息，pi是预测分数； 困难三元组损失通过随机采样P个身份，每个身份抽取K个实例，组成一个大小为P*K的minibatch；依次选取批次中的图片为锚点，选取距离最远的正样本和距离最近的负样本组成三元组训练网络，具体公式如下： 其中，fa是锚点样本，fp，fn是对应的正样本和负样本； 局部分支中通过注意力筛选后会将整体特征分为多个局部特征，在均等分割的情况下，分割后的末尾特征是行人的次要特征以及无关特征；在对末尾特征进行分类预测时，其置信度是“不可靠的”，同时可能存在的次要特征能够帮助模型识别出整体外表特征较为相近的个体，有利于对细粒度特征的挖掘，因此末尾特征损失权重方面应分配一个相对较小值；具体公式如下: 其中，Lidf和LTf分别代表对特征计算交叉熵损失和困难三元组损失；fglobal和flocal分别代表全局特征和局部特征；k是局部特征数量；λ是损失权重。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。