一种基于改进深度相对距离学习模型的车辆再识别方法
授权
摘要
本发明公开一种基于改进深度相对距离学习模型的车辆再识别方法，利用RepNet的特性，负责标签属性分类的粗粒度学习通道将车辆的颜色信息和车辆型号信息提取出来，通过抑制层将提取的特征对后面的细粒度相似性学习进行反馈，消除掉那些嵌入到细粒度学习通道中的粗粒度属性特征，这样既节省了训练时间，又可以让细粒度学习时将更多地注意力关注在复杂特征的提取上，来提高识别精度。
基本信息
专利标题 ：
一种基于改进深度相对距离学习模型的车辆再识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN111914911A
申请号 ：
CN202010685999.3
公开（公告）日 ：
2020-11-10
申请日 ：
2020-07-16
授权号 ：
CN111914911B
授权日 ：
2022-04-08
发明人 ：
胡聪李超许川佩朱爱军黄喜军张本鑫梁志勋
申请人 ：
桂林电子科技大学
申请人地址 ：
广西壮族自治区桂林市七星区金鸡路1号
代理机构 ：
桂林市持衡专利商标事务所有限公司
代理人 ：
陈跃琳
优先权 ：
CN202010685999.3
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-04-08 ：
授权
2020-11-27 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20200716
申请日 : 20200716
2020-11-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN111914911A.PDF
PDF下载
