【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，特别是涉及一种基于提示学习的多模态目标重识别方法。
技术介绍
1、目标重识别（reid）任务已经成为图像识别领域的重要研究方向，其主要目标是通过分析不同摄像头拍摄的图像，识别并匹配相同目标。传统的reid方法多依赖于单一模态的图像，通常为可见光（rgb）图像，这在光照条件良好的情况下效果较好。然而，在光照不足或变化较大的环境中，rgb摄像头的性能会显著下降，而近红外（nir）和热红外（tir）摄像头则能够提供更稳定的图像信息。
2、多模态目标重识别通过结合多种光谱（模态）信息，能够更好地应对复杂的实际场景。例如，在监控摄像头中，夜间或低光照环境下红外摄像头能捕捉到清晰的图像，而白天则依赖于rgb摄像头。因此，多模态重识别技术不仅能提高识别的准确性，还能增强系统的鲁棒性和实用性。
3、现有的多模态重识别方法通常使用复杂的、高度耦合的架构，这些方法虽然有效但计算成本较高。此外，不同光谱之间显著的分布差异也使得多模态特征的融合变得困难。
技术实现思路p>
1、针对现本文档来自技高网...
【技术保护点】
1.一种基于提示学习的多模态目标重识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态特征提取模块依次包括块编码器和多层串行的自注意力特征提取器；
3.根据权利要求2所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态提示向量模块包括模态提示向量注入模块和提示交换模块；
4.根据权利要求2所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态特征融合模块包括串行连接的模态特征高响应区域选择模块和基于模态提示向量的多模态特征融合模块，所述模态特征高响应...
【技术特征摘要】
1.一种基于提示学习的多模态目标重识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态特征提取模块依次包括块编码器和多层串行的自注意力特征提取器；
3.根据权利要求2所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态提示向量模块包括模态提示向量注入模块和提示交换模块；
4.根据权利要求2所述的基于提示学习的多模态目标重识别方法，其特征在于，所述模态特征融合模块包括串行连接的模态特征高响应区域选择模块和基于模态提示向量的多模态特征融合模块，所述模态特征高响应区域选择模块与模态特征提取模块中的自注意力特征提取器串行连接；
5.根据权利要求4所述的基于提示学习的多...
【专利技术属性】
技术研发人员：张艳宁，罗文龙，张世周，王晨旭，王鹏，邢颖慧，梁国强，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。