Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京视察者智能科技有限公司王乾宇获国家专利权

南京视察者智能科技有限公司王乾宇获国家专利权

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!

龙图腾网获悉南京视察者智能科技有限公司申请的专利一种基于生成对抗网络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:CN116824620B

龙图腾网通过国家知识产权局官网在2026-01-27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:202211742943.2,技术领域涉及:G06V40/10;该发明授权一种基于生成对抗网络的行人重识别方法是由王乾宇;姜峰设计研发完成,并于2022-12-31向国家知识产权局提交的专利申请。

一种基于生成对抗网络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生成对抗网络的行人重识别方法,该方法包含四个模型,分别为特征提取模型、生成模型、行人图像判别模型、相似判别模型,步骤包括从数据集中随机采样图片,提取特征,通过生成模型输出图片;对生成的图片提取特征,同时使用两个判别模型判断置信度,并计算损失函数;重复训练过程直至损失函数收敛;使用训练好的模型判断行人图像相似度。本发明通过使用生成对抗网络来间接增加数据集的数量来训练识别模型;使用可学习的模型来计算两个特征的相似度,这样可以从特征中提取更鲁棒的信息,排除衣服、摄像头的干扰。

本发明授权一种基于生成对抗网络的行人重识别方法在权利要求书中公布了:1.一种基于生成对抗网络的行人重识别方法,包括特征提取模型E、生成模型G、行人图像判别模型C、相似判别模型D,其特征在于,特征提取模型由骨干网络、全连接层和激活层组成,生成模型由全连接层、骨干网络和激活层组成,行人图像判别模型由骨干网络、全连接层和激活层组成,相似判别模型,由两层的全连接层加上激活层组成,两个全连接层将两个特征映射成一个浮点数,最后使用Sigmoid作为激活层得到概率,该方法包括如下步骤: 步骤1,从数据集中随机采样两个id,记为I1、I2,从I1中随机采样两张图片,记为M1、M2,从I2中随机采样一张图片,记为M3;使用特征提取模型E分别对M1,M2,M3提取特征,得到特征f1=EM1,f2=EM2,f3=EM3; 步骤2,从K维高斯分布中采样随机向量,记为noise,将f1,noise分别送入生成模型G中得到生成图片F=Gconcatf1,noise; 步骤3,使用特征提取模型E分别对F提取特征,得到特征g=EF,使用行人图像判别模型C分别对图像M1,F判断,得到置信度s1=CM1,s2=CF; 步骤4,使用相似判别模型D分别对f1,f2,f1,f3,f1,g判断,得到置信度t1=Dconcatf1,f2,t2=Dconcatf1,f3,t3=Dconcatf1,g; 步骤5,计算损失函数L L=-logs1 -log1-s2 -logt1; -log1-t2 -log1-t3 步骤6,使用反向传播训练特征提取模型E、生成模型G、行人图像判别模型C、相似判别模型D,转到步骤1重复过程,直至损失函数L收敛; 步骤7,将两张行人图像P1,P2输入训练好的特征提取模型E,分别提取特征q1=EP1、q2=EP2; 步骤8,使用训练好的相似判别模型D计算q1和q2的相似度sim=Dconcatq1,q2。

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南京视察者智能科技有限公司,其通讯地址为:210014 江苏省南京市秦淮区永智路6号南京白下高新技术产业开发区四号楼A栋102室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。