摘要:本发明提供一种基于正样本平衡约束的深度行人再标识方法,该方法使用的残差网网络结构简洁并且得到广泛应用,足够深的网络结构增强了特征表达能力,并且不需要对网络结构进行特别设计;发现用残差网分类器进行图像特征提取,行人再标识的准确率便可以高于大部分的精心设计的方法;相比于二元组损失和三元组损失的方法,提升结构损失不需要特意生成有效的样本便可以达到类似的效果,并且利用整体的分布信息,学习到的梯度方向更加稳健有效;在提升结构损失的基础上,增加了正样本平衡约束,不仅可以控制正样本对的距离,并且可以平衡正样本对距离和负样本对距离的梯度,使得算法更容易训练以及提升算法性能。
| 专利名称 | 一种基于正样本平衡约束的深度行人再标识方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710330206.4 |
| 申请号 | - | 专利申请日期 | 2017-05-11 |
| 专利授权日期 | 2017-11-07 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 黄俊艺;任传贤 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明提供一种基于正样本平衡约束的深度行人再标识方法,该方法使用的残差网网络结构简洁并且得到广泛应用,足够深的网络结构增强了特征表达能力,并且不需要对网络结构进行特别设计;发现用残差网分类器进行图像特征提取,行人再标识的准确率便可以高于大部分的精心设计的方法;相比于二元组损失和三元组损失的方法,提升结构损失不需要特意生成有效的样本便可以达到类似的效果,并且利用整体的分布信息,学习到的梯度方向更加稳健有效;在提升结构损失的基础上,增加了正样本平衡约束,不仅可以控制正样本对的距离,并且可以平衡正样本对距离和负样本对距离的梯度,使得算法更容易训练以及提升算法性能。 | ||