恭喜平安科技(深圳)有限公司司世景獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網恭喜平安科技(深圳)有限公司申請的專利模型的訓練方法、行人重識別方法和裝置、設備、介質獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN114821657B 。
龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202210508053.9,技術領域涉及:G06V40/10;該發明授權模型的訓練方法、行人重識別方法和裝置、設備、介質是由司世景;王健宗設計研發完成,并于2022-05-11向國家知識產權局提交的專利申請。
本模型的訓練方法、行人重識別方法和裝置、設備、介質在說明書摘要公布了:本實施例提供一種模型的訓練方法、行人重識別方法和裝置、設備、介質,屬于人工智能技術領域。包括:獲取無標簽圖像和有標簽圖像;對無標簽圖像進行特征提取得到無標簽特征向量,對有標簽圖像進行特征提取得到有標簽特征向量;對無標簽特征向量進行聚類得到類別向量和離群向量;根據類別向量構建類別字典,根據離群向量構建離群字典;將有標簽特征向量輸入至原始訓練模型進行對比學習訓練得到行人重識別模型;原始訓練模型包括離群字典和類別字典,行人重識別模型用于對原始行人圖像進行識別。本申請公開實施例通過將離群特征向量存儲至離群字典中,將其與類別字典加入對比學習訓練中,能夠增加訓練數據,從而提高模型的訓練效率。
本發明授權模型的訓練方法、行人重識別方法和裝置、設備、介質在權利要求書中公布了:1.一種模型的訓練方法,其特征在于,所述訓練方法用于訓練行人重識別模型,包括:獲取原始訓練數據;其中,所述原始訓練數據包括無標簽圖像和有標簽圖像;對所述無標簽圖像進行特征提取,得到無標簽特征向量,并對所述有標簽圖像進行特征提取,得到有標簽特征向量;對所述無標簽特征向量進行聚類處理,得到類別向量和離群向量;其中,所述類別向量為聚類質心;根據所述類別向量構建類別字典,并根據所述離群向量構建離群字典;將所述有標簽特征向量輸入至預設的原始訓練模型進行對比學習訓練,得到所述行人重識別模型;其中,所述原始訓練模型包括所述離群字典和所述類別字典,所述行人重識別模型用于對原始行人圖像進行識別;其中,所述將所述有標簽特征向量輸入至預設的原始訓練模型進行對比學習訓練,得到所述行人重識別模型,包括:根據所述有標簽特征向量從所述類別字典中獲取對應類別的所述類別向量,作為第一初步特征向量,并將所述類別字典中其余的所述類別向量作為第二初步特征向量;根據所述有標簽特征向量和所述第一初步特征向量,構建正樣本對;根據所述離群字典中的所述離群向量和所述第二初步特征向量,構建負樣本數據;根據所述正樣本對和所述負樣本數據對所述原始訓練模型的對比損失函數進行計算,得到損失值;根據所述損失值調整所述原始訓練模型的模型參數,以訓練所述原始訓練模型,得到所述行人重識別模型;其中,在所述根據所述正樣本對和所述負樣本數據對所述原始訓練模型的損失函數進行計算,得到損失值之后,所述方法還包括:獲取預設的動量更新因子;根據所述有標簽特征向量和所述動量更新因子,對所述類別字典進行動量更新或對所述類別字典進行聚類更新,得到更新后的所述類別字典。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人平安科技(深圳)有限公司,其通訊地址為:518000 廣東省深圳市福田區福田街道福安社區益田路5033號平安金融中心23樓;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。