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！

龙图腾网获悉西安电子科技大学申请的专利基于空间数据增强和对称互注意力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：CN116978093B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310838299.7，技术领域涉及：G06V40/16；该发明授权基于空间数据增强和对称互注意力的跨模态行人重识别方法是由郭雨薇;张文豪;杜佳勃;詹伟设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本基于空间数据增强和对称互注意力的跨模态行人重识别方法在说明书摘要公布了：本发明公开了基于空间数据增强和对称互注意力的跨模态行人重识别方法，其实现方案为：针对跨模态行人的空间数据增强方法，通过分区图像混合的方式生成行人相关的信息；构建针对跨模态行人重识别的双流深度学习模型，将混合后的图像分解为模态共享特征和模态特定特征；利用对称互注意力模块将模态共享特征和模态特定特征进行融合，生成更加具有辨别性的行人特征。本发明在不引入额外信息的前提下，通过空间数据增强和特征信息补偿提升模型的判别精度，增强不同模态下行人的查找能力，可以用于安防监控，自动驾驶，相册分类以及人机交互等领域。

本发明授权基于空间数据增强和对称互注意力的跨模态行人重识别方法在权利要求书中公布了：1.一种基于空间数据增强和对称互注意力的跨模态行人重识别方法，其特征在于，构建对称互注意力模块，生成空间数据增强后的跨模态行人训练集；该识别方法的步骤包括如下： 步骤1，构建对称互注意力模块： 搭建由模态特定分支和模态共享分支并联后，再与交叉点乘单元、融合单元依次串联组成的对称互注意力模块；所述模态特定分支和模态共享分支的结构相同，均由第一、第二、第三卷积层并联组成，交叉点乘单元由点乘操作和Softmax分类层串联组成；将第一至第三积层的卷积核大小均设置为1×1，步长均设置为1； 步骤2，搭建由输入层，第一卷积单元，池化单元，残差组合块，第二卷积单元依次串联的双流深度学习网络的主网络，并设置双流深度学习主网络的参数； 步骤3，构建双流深度学习子网络： 搭建由红外光模块和可见光模块并联组成的双流深度学习子网络，可见光模块和红外光模块均由第三卷积单元，第四卷积单元，第五卷积单元，全连接单元，Softmax分类单元组成，并设置双流深度学习子网络的参数； 步骤4，构建双流深度学习网络： 将主网络的第二卷积单元与子网络的可见光模块的第三卷积单元级联为第一支路，主网络的第二卷积单元与红外光模块的第三卷积单元级联为第二支路；第一支路、第二支路、子网络的第四卷积单元、子网络的第五卷积单元依次串联后组成第三支路，将第三支路与对称互注意力模块的模态共享分支串联得到第四支路，将第三支路与对称互注意力模块的模态特定分支串联得到第五支路，将第四支路、第五支路、对称互注意力模块的交叉点乘单元、对称互注意力模块的Softmax分类层级联成双流深度学习网络； 步骤5，生成空间数据增强后的跨模态行人训练集： 选择连续20秒行人可见光和红外光的视频，从两种视频中各随机选取一帧图像，从所选的图像中裁剪每个行人所占区域的最小矩形图像，将所有的矩形图像归一化为[288,144]像素，将可见光和红外光行人图像中同一行人的所有图像，标注为同一类行人图像的真实标签，每一类至少包含一幅行人图像，对标注后的行人图像依次进行分割操作、分区操作、混合操作，得到空间数据增强后的跨模态行人训练集； 步骤6，训练双流深度学习网络： 将跨模态行人训练集输入到双流深度学习网络中，使用Adam优化器，对网络的权重进行迭代更新，直到网络损失函数收敛为止，得到训练好的网络； 步骤7，将查询目标行人的图像输入得到匹配图像： 将查询目标行人的图像，经过与步骤5相同的分割操作，分区操作和混合操作后，输入到训练好的双流深度学习网络中得到的输出特征，计算目标行人图像特征向量与训练得到的行人图像特征向量之间的欧氏距离，将排序后的前20幅候选行人图像作为行人重识别后的匹配图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。