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！

龙图腾网获悉湖南师范大学申请的专利一种基于文本语义引导的细粒度特征解耦行人换装重识别方法及系统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：CN121170709B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511701864.0，技术领域涉及：G06V20/52；该发明授权一种基于文本语义引导的细粒度特征解耦行人换装重识别方法及系统是由王学平;马晨曦;王龙轩;管昭旭;张尔得设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种基于文本语义引导的细粒度特征解耦行人换装重识别方法及系统在说明书摘要公布了：本发明涉及计算机视觉技术领域，公开了一种基于文本语义引导的细粒度特征解耦行人换装重识别方法及系统，包括：基于预训练的CLIP模型提取输入图像的全局视觉特征和局部属性特征；通过自注意力机制对局部属性特征进行特征解耦，采用局部‑全局相关性过滤和正交损失双重解耦机制，获取与身份强相关的判别性细粒度特征；引入文本监督，采用大型语言模型生成与图像内容对应的结构化属性描述文本，并提取其文本特征；构建跨模态原型对比学习框架，通过图像‑文本对比损失实现细粒度视觉特征与语义文本特征的原型级对齐。本发明有效提升了行人换装重识别模型在衣物更换、遮挡等复杂场景下的识别精度和鲁棒性。

本发明授权一种基于文本语义引导的细粒度特征解耦行人换装重识别方法及系统在权利要求书中公布了：1.一种基于文本语义引导的细粒度特征解耦行人换装重识别方法，其特征在于，包括： 利用预训练的CLIP模型的视觉编码器提取输入行人图像的全局视觉特征和局部属性特征； 对局部属性特征进行特征解耦处理，滤除与身份识别无关的特征信息，采用正交损失函数获得一组判别性细粒度局部属性特征； 基于输入行人图像生成描述人物外貌属性的文本描述，并提取文本描述的文本特征； 基于全局视觉特征和判别性细粒度局部属性特征共同构成细粒度图像特征，将细粒度图像特征与文本特征进行跨模态对齐，以产生监督信号，并对行人换装重识别模型进行训练，实现对身份特征和非身份特征的有效解耦，提升行人换装重识别的鲁棒性； 使用训练完成的行人换装重识别模型的视觉编码器提取测试集中查询图像与图库图像的视觉特征，计算图像查询特征与图库图像特征之间的余弦相似度，根据相似度得分对图库样本进行排序，输出与查询图像匹配的目标身份，完成行人换装重识别任务； 所述对局部属性特征进行特征解耦处理，其用于特征解耦处理的特征解耦网络为基于自注意力机制的Transformer网络，包括一个Transformer编码器，定义了一组可学习查询向量组成的集合，其中每个可学习查询向量对应图像的一个特定潜在属性，将可学习查询向量与局部属性特征输入Transformer编码器，其输出经过一个全连接网络后，即得到解耦后的局部属性特征，这一过程满足如下关系式： ； 其中，表示将两个向量拼接在一起，表示Transformer编码器，表示全连接网络； 所述滤除与身份识别无关的特征信息，使用局部-全局相关性过滤策略，根据学习到的局部属性特征与全局视觉特征的余弦相似度进行排序，这一过程满足如下关系式： ； 其中，表示余弦相似度，即衡量全局视觉特征和图像的第个局部属性特征之间的相似度，表示元素是集合中得分最高的个元素之一，其中，表示通过拼接操作[·|·]得到的新特征矩阵，其中只保留了相似度排名前的局部特征； 为了保证保留的局部属性特征与全局视觉特征相关，在所述局部-全局相关性过滤策略的基础上引入一个相似度阈值，只保留那些相似度大于的局部属性特征，筛选后的局部属性特征矩阵为，这一过程满足如下关系式： ； 其中，为阈值，表示两边均成立，表示在原来的特征矩阵的基础上进行筛选。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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。