用于遮挡行人重识别的结合卷积神经网络优化ViT的方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种用于用于遮挡行人重识别的结合卷积神经网络优化ViT的方法,结合了卷积神经网络优化了Vision Transformer的网络结构,将CNN与Transformer的优点结合起来。本发明设计了CNN与Transformer双分支的网络结构,使图片提取的特征既有Transform的优点,又能吸收CNN的优点,这样既通过Transformer获取了tokens之间全局关系,又通过CNN获取了tokens的局部信息,最后融合了局部信息与全局信息,获得了具有鲁棒性的特征。最后结合三元组损失和交叉熵损失,对模型进行迭代优化,将模型最终损失减少到最小值,提升特征的准确性以及模型的性能。这样有效解决了遮挡情况下的行人重识别问题,为遮挡行人重识别在实际应用中提供了一种更为高效的框架。
《用于遮挡行人重识别的结合卷积神经网络优化ViT的方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022111043024,当前法律状态为已下证,由长沙理工大学提出申请,发明人为周书仁;资帅;朱俣健,申请日期为2022-09-09,公开(公告)日期为2026-03-31,国际专利分类号(IPC)为 G06V 10/82 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种用于用于遮挡行人重识别的结合卷积神经网络优化ViT的方法,结合了卷积神经网络优化了Vision Transformer的网络结构,将CNN与Transformer的优点结合起来。本发明设计了CNN与Transformer双分支的网络结构,使图片提取的特征既有Transform的优点,又能吸收CNN的优点,这样既通过Transformer获取了tokens之间全局关系,又通过CNN获取了tokens的局部信息,最后融合了局部信息与全局信息,获得了具有鲁棒性的特征。最后结合三元组损失和交叉熵损失,对模型进行迭代优化,将模型最终损失减少到最小值,提升特征的准确性以及模型的性能。这样有效解决了遮挡情况下的行人重识别问题,为遮挡行人重识别在实际应用中提供了一种更为高效的框架。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
