【技术实现步骤摘要】
基于三角模型的行人再识别度量方法
本专利技术属于计算机视觉和模式识别的
，具体涉及基于三角模型的行人再识别度量方法。
技术介绍
在行人再识别研究当中，特征提取和相似度度量是再识别任务的重要步骤。虽然深度神经网络可以提取图像数据中的深度特征，使得模型得到较好的性能提升，但是合适的损失函数也是提高再识别性能的核心问题。良好的相似性度量可以提高图像间的搜索性能，提高模型再识别准确率，特别是当行人类别的数量很大或未知时。三元组损失函数广泛应用于行人再识别任务当中。在本专利技术中，我们以三元组损失函数为基础，为锚样本、正样本和负样本建立三角模型。在样本选择上，采用难样本挖掘的原理，确定三个样本点，根据三角形的角与边的对应关系，重新定义锚样本与正、负样本之间的距离关系，通过在三个公开数据集上的实验，我们证明该方法可以很好的衡量图像之间的相似度指标，有效提升行人再识别精度。
技术实现思路
本专利技术的目的在于提供一种有效提升行人再识别精度的基于三角模型的行人再识别度量方法。基于三角模型的行人再识别度量方法
【技术保护点】
1.基于三角模型的行人再识别度量方法，其特征在于所述包括如下步骤：/n1)以BFE中的网络模型和Resnet50模型为基本模型，其中，BFE模型含有两个分支，一个分支用来学习行人图像的全局特征，另外一个分支用来提取行人图像的细粒度特征；/n2)以锚样本、正样本和负样本组成三元组损失函数，对锚样本、正样本和负样本构造三角形△apn，其顶点分别为x
【技术特征摘要】
1.基于三角模型的行人再识别度量方法，其特征在于所述包括如下步骤：
1)以BFE中的网络模型和Resnet50模型为基本模型，其中，BFE模型含有两个分支，一个分支用来学习行人图像的全局特征，另外一个分支用来提取行人图像的细粒度特征；
2)以锚样本、正样本和负样本组成三...
【专利技术属性】
技术研发人员：张红，任伟，李建华，徐志刚，曹洁，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：甘肃;62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。