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！

龙图腾网获悉厦门理工学院申请的专利一种基于多分支增强型判别特征提取的车辆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：CN115223111B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202210873517.6，技术领域涉及：G06V20/54；该发明授权一种基于多分支增强型判别特征提取的车辆重识别方法是由王大寒;吴芸;连加未;周伟;朱顺痣设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本一种基于多分支增强型判别特征提取的车辆重识别方法在说明书摘要公布了：本发明提出一种基于多分支增强型判别特征提取的车辆重识别方法，包括以下步骤；步骤S1、选取车辆重识别网络模型的骨干网络，定义网络优化器和训练参数，初始化待训练模型；步骤S2、整合训练数据集并增扩数据集；步骤S3、进行模型训练；步骤S4、全局分支计算全局损失；步骤S5、水平分支把全局特征图沿宽度切分成四个大小相同不重叠的子特征图，并且把子特征图分别输入到损失模块计算局部损失；步骤S6、竖直分支计算局部损失；步骤S7、根据步骤S3‑S6的损失进行反向传播，调整网络的参数；步骤S8、重复步骤S2‑S7直到达到网络训练设置的最大次数；步骤S9、保存分类精度最高的模型参数；本发明不需要人工标注标签及特定的数据集就可以达到较好的识别效果。

本发明授权一种基于多分支增强型判别特征提取的车辆重识别方法在权利要求书中公布了：1.一种基于多分支增强型判别特征提取的车辆重识别方法，用于以车辆外观来检索查找图像源中的相似车辆，其特征在于：包括以下步骤； 步骤S1、选取用于行人重识别的网络作为待训练的车辆重识别网络模型的骨干网络，定义用于模型训练的网络优化器和训练参数，初始化待训练模型； 步骤S1的骨干网络，为加载ImageNet预训练模型的网络OSNet，网络优化器选择使用Adam并且打开自适应梯度算法Amsgrad设置； 步骤S2、把用于车辆重识别网络模型训练的车辆图片整合为训练数据集，并通过对图片的变换处理来增扩数据集； 步骤S3、进行车辆重识别网络模型训练，输入数据集图片进入共享卷积层，通过共享卷积层提取输入图片的高层全局特征信息以减少重复计算量，然后把得到的特征分别输入到全局分支，水平分支，竖直分支进行处理； 步骤S4、全局分支将提取全局特征和全局注意力特征输入到损失模块计算全局损失； 步骤S5、水平分支把全局特征图沿宽度切分成四个大小相同不重叠的子特征图，并且把子特征图分别输入到损失模块计算局部损失； 步骤S6、竖直分支把全局特征图沿通道维度切分成四个大小相同不重叠的子特征图，并且把子特征图分别输入到损失模块计算局部损失； 步骤S7、根据步骤S3至步骤S6的损失进行反向传播，调整车辆重识别网络的参数； 步骤S8、重复步骤S2至步骤S7直到达到网络训练设置的最大次数； 步骤S9、保存分类精度最高的模型参数，用于从图像源提供的车辆图片中检索与目标车辆最相似的车辆； 步骤S3中，具体包括以下步骤：输入到网络模型的图片，首先进入共享卷积层，该共享卷积层模块由ResNet50前三层构成Fi，当输入图片xi通过共享层得到特征Ai，Ai＝Fxi； 步骤S4中，具体包括以下步骤：特征Ai进入全局分支模块的全局特征提取器FglobalAi，和全局注意力特征提取器FdropAi，并且全局分支模块采用OSNet后两层作为特征提取层，通过两个提取器得到的特征分别进入平均池化Avgpool和最大池化Maxpool获得512维度特征图G、Gdrop；全局分支得到的G、Gdrop特征分别进入批次归一化BN层，得到的结果分别进入损失模块计算损失值； 步骤S5中，具体包括以下步骤：特征Ai进入水平分支模块FhAi，首先使用最大池化Maxpool获取整个水平模块512维度的最大特征hg，再将整个特征图切分成相等通道数的四组子特征图并使用平均池化Avgpool分别提取四个子图上的平均特征h0，h1，h2，h3； 子特征h0，h1，h2，h3分别进入1X1大小的卷积核修改维度空间得到512维度的特征向量，再依次进入批次归一化BN层，归一化后的结果分别进入损失模块计算损失值； 步骤S6中，具体包括以下步骤：具体包括以下步骤：特征进入竖直分支模块，把得到的向量通过平均池化Avgpool切分成四组长度为128维度的特征向量v0，v1，v2，v3； 子特征v0，v1，v2，v3使用1X1大小的卷积核修改空间维度得到512维度的向量，其卷积参数共享；再依次进入批次归一化BN层，归一化后的结果分别进入损失模块计算损失值；所述步骤批次归一化BN层，具体包括以下步骤：把输入的特征向量归一化处理nn.BatchNorm1d，dim＝512，增强数据的稳定性；把归一化后的特征向量输入到全连接层nn.Linear，dim＝512,num_classess，进行分类。

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厦门理工学院，其通讯地址为：361021 福建省厦门市集美区后溪镇理工路600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。