基于全局级别和局部级别联合约束的跨模态行人再识别方法.pdf

一种基于局部细节特征的跨模态行人重识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 115050048 A (43)申请公布日 2022.09.13 (21)申请号 202210604338.2 G06N 3/08 (2006.01) (22)申请日 2022.05.2

2023-05-23 约1.64万字 9页立即下载

基于模态特定记忆网络的跨模态行人重识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882525 A (43)申请公布日 2022.08.09 (21)申请号 202210426984.4 G06V 10/74 (2022.01)

2023-05-15 约1.99万字 20页立即下载

基于鉴别特征学习的跨模态行人重识别方法研究.docx 基于鉴别特征学习的跨模态行人重识别方法研究一、引言随着智能监控系统的广泛应用，跨模态行人重识别（Cross-modalPersonRe-Identification，简称cmReID）技术已成为计算机视觉领域的研究热点。该技术旨在通过跨模态数据（如可见光图像与红外图像）进行行人识别，为公共安全、智能交通等领域提供了重要的技术支持。然而，由于不同模态间存在显著的差异，如光照、背景、图像分辨率等，跨模态行人重识别仍然面临着诸多挑战。因此，本研究基于鉴别特征学习的方法，针对跨模态行人重识别问题进行深入研究。二、鉴别特征学习理论基础鉴别特征学习是一种针对图像识别的机器学习方法，通过学习区分性特

2025-03-17 约4.31千字 9页立即下载

基于特征学习和重排序的跨模态行人重识别方法研究.docx 基于特征学习和重排序的跨模态行人重识别方法研究一、引言随着人工智能技术的飞速发展，跨模态行人重识别技术成为了计算机视觉领域的重要研究方向。由于行人图像在各种场景下存在较大的差异，如光照、视角、背景等，传统的行人重识别方法往往难以准确地进行跨模态匹配。因此，本文提出了一种基于特征学习和重排序的跨模态行人重识别方法，旨在提高行人重识别的准确性和鲁棒性。二、特征学习特征学习是跨模态行人重识别的关键技术之一。本文采用深度学习的方法，通过构建卷积神经网络模型，对行人图像进行特征提取。具体而言，我们采用了多尺度卷积、注意力机制等技术，以提取更加丰富和具有鉴别性的特征。此外，我们还结合了多模态信息，

2025-02-22 约4.35千字 9页立即下载

无监督的基于相机和无线定位的多模态行人重识别方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113361392 B (45)授权公告日 2022.07.15 (21)申请号 202110623624.9 G06K 9/62 (2022.01)

2023-06-16 约1.77万字 14页立即下载

基于变换域增强和记忆对比的跨模态行人重识别方法.docx 基于变换域增强和记忆对比的跨模态行人重识别方法 一、引言行人重识别（PersonRe-Identification，ReID）是计算机视觉领域中一项重要的研究课题。随着深度学习和人工智能技术的不断发展，跨模态行人重识别技术在多个领域得到了广泛应用。然而，由于不同视角、光照条件、背景干扰等因素的影响，跨模态行人重识别的准确性仍面临诸多挑战。针对这一问题，本文提出了一种基于变换域增强和记忆对比的跨模态行人重识别方法。该方法能够有效提取行人特征信息，并提高对复杂环境下的重识别性能。二、相关技术背景在跨模态行人重识别领域，传统方法主要依赖于手工设计的特征提取器。然而，这些方法往往难以应对复杂多变

2025-04-20 约4.89千字 10页立即下载

基于特征学习和重排序的跨模态行人重识别方法研究.docx 基于特征学习和重排序的跨模态行人重识别方法研究一、引言 跨模态行人重识别是近年来计算机视觉领域中备受关注的一个研究热点。其目的是在不同视角、不同时间以及不同传感器设备捕获的图像之间进行行人身份的匹配与识别。随着深度学习技术的飞速发展，基于特征学习和重排序的跨模态行人重识别方法逐渐成为研究的主流方向。本文将深入探讨基于特征学习和重排序的跨模态行人重识别方法的研究，以期为相关领域的研究提供参考。二、研究背景及意义随着智能监控、无人驾驶等技术的快速发展，跨模态行人重识别技术在公共安全、智能交通等领域具有广泛的应用前景。然而，由于不同模态的图像在光照、视角、背景等方面存在差异，导致跨模态行人重识

2025-05-17 约4.22千字 8页立即下载

基于局部特征的无监督行人重识别方法和装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114550091 A (43)申请公布日 2022.05.27 (21)申请号 202210170514.6 (22)申请日 2022.02.24 (71)申请人以萨技术股份有限公司地址 266

2023-05-07 约1.85万字 14页立即下载

基于局部特征关联与全局注意力机制的行人重识别.docx PAGE 1- 基于局部特征关联与全局注意力机制的行人重识别第一章行人重识别背景与挑战随着城市化的快速发展，人群密集场所的安全监控需求日益增长。行人重识别技术作为一种重要的智能监控手段，旨在帮助监控系统识别和匹配在不同时间和地点出现的同一个人。这一技术在公共安全、人脸识别等领域具有广泛的应用前景。行人重识别领域的研究始于21世纪初，近年来随着深度学习技术的快速发展，取得了显著的进展。据相关数据显示，行人重识别的准确率从最初的30%左右提升至现在的90%以上。然而，这一领域仍面临着诸多挑战。首先，行人外观变化多样，包括光照、姿态、遮挡等因素的影响，给行人重识别带来了极大的困难。其次，不同场

2025-01-21 约3.09千字 6页立即下载

基于模态自适应混合和不变性卷积分解的行人重识别方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114550210 A (43)申请公布日 2022.05.27 (21)申请号 202210155715.9 G06V 10/82 (2022.01)

2023-05-06 约2.12万字 16页立即下载

一种基于注意力机制与空间几何约束的行人重识别方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818790 A (43)申请公布日 2021.05.18 (21)申请号 202110096021.8 (22)申请日 2021.01.25 (71)申请人浙江

2023-06-05 约2.12万字 18页立即下载

基于RFBNet和背景增益的行人重识别方法研究.docx 基于RFBNet和背景增益的行人重识别方法研究一、引言随着社会的快速发展和城市化的不断推进，行人重识别（PersonRe-Identification，ReID）技术在智能监控、公共安全等领域的应用越来越广泛。然而，由于行人姿态、光照、背景等复杂因素的影响，行人重识别仍然是一个具有挑战性的问题。近年来，深度学习技术的快速发展为解决这一问题提供了新的思路。本文将介绍一种基于RFBNet和背景增益的行人重识别方法，以提高行人重识别的准确性和鲁棒性。二、RFBNet模型概述 RFBNet（ReceptiveFieldBlockNet）是一种基于卷积神经网络的深度学习模型，具有强大的特征提取能力

2025-03-30 约4.24千字 8页立即下载

一种基于多部件自注意力机制的行人重识别方法.docx PAGE 1- 一种基于多部件自注意力机制的行人重识别方法 一、引言随着城市化进程的加快，智能监控系统在公共安全、交通管理等领域发挥着越来越重要的作用。行人重识别作为智能监控系统中的一个关键环节，旨在解决同一场景下不同摄像头捕捉到的行人图像的匹配问题。然而，由于光照、姿态、遮挡等因素的影响，行人重识别面临着巨大的挑战。传统的行人重识别方法大多依赖于全局特征提取，忽略了行人图像中局部特征的丰富性和多样性。近年来，深度学习技术的快速发展为行人重识别领域带来了新的突破。自注意力机制作为一种有效的特征提取方法，能够自动学习图像中不同部分之间的关系，从而提高特征提取的准确性和鲁棒性。本文提出了一种基于

2025-01-20 约2.43千字 5页立即下载

基于深度学习的行人重识别方法研究.pdf 基于深度学习的行人重识别方法研究摘要基于深度学习的行人重识别方法研究摘要近年来，随着监控的普及和计算机视觉技术的快速发展，行人重识别技术在安防、刑侦和智慧城市等领域得到了广泛应用。然而，在实际场景中，由于行人的身体部分常常会受到诸如光线、遮挡、模糊以及视角等因素的影响，导致行人特征的提取质量下降或局部特征缺失，进而影响了行人重识别的效果。本论文针对行人重

2025-02-16 约12.24万字 98页立即下载

一种基于空间逆向注意网络的行人重识别方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112836637 B (45)授权公告日 2022.06.14 (21)申请号 202110146335.4 G06V 10/46 (2022.01)

2023-06-06 约1.67万字 14页立即下载