- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供一种基于可微图学习的行人重识别模型的弱监督训练方法,该方法首先将行人图片按拍摄时间段分组成袋并分配袋类别标签;然后,捕获每一个袋中所有图片之间的依赖关系,来为该类别的袋中每张图片生成可靠的伪行人类别标签,作为行人重识别模型训练的监督信息;然后,进行行人重识别模型和图模型的一体训练;将图模型损失和重识别损失的线性组合作为总损失函数,利用反向传播算法更新网络所有层的参数。本发明不需要繁重的人工标注成本、几乎不增加计算复杂度也能达到领先的模型性能。
(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 112395997 A
(43)申请公布日 2021.02.23
(21)申请号 202011303629.5
(22)申请日 2020.11.19
(71)申请人 中山
文档评论(0)