需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 一种保持多度量空间一致性的多损失联合训练方法

一种保持多度量空间一致性的多损失联合训练方法

发布时间: 2022-11-26

来源: 科技服务团

基本信息

合作方式： 技术转让
成果类型： 发明专利
行业领域：
电子信息技术
成果介绍
深度卷积神经网络作为一种深度学习模型，在图像分类、目标检测和目标分割等许多计算机视觉任务上都取得了最先进的性能。同样深度学习模型借助更大的参数量，更强大的泛化能力，推动人重识别领域的飞速发展。行人重识别模型，常备应用在安检领域。能够基于单个行人图像，对硬盘中的大量视频图像完成行人的非常规行为检测。这大大的节省了人工对于数据筛选的时间，提高了安检效率。
成果亮点
本发明包括以下步骤：行人样本通过卷积神经网络前向传播获得高维度特征矩阵；再转化为行人特征向量，特征向量进行L2正则操作；单位特征向量拼接组成三元组，计算三元损失；单位特征向量，通过Bach Normalization层得到测试向量；再输入到网络模型之后的全连接层并前向计算交叉熵损失；计算其梯度信息；损失层的梯度反向传播，更新权值参数；如果模型未收敛，或者是未达到最大更迭代次数，重复上步操作。在未增加参数量的情况下，在各个行人重识别模型上采用本发明方法能够有明显的效果提升。
团队介绍
南开大学是国内学科门类齐全的综合性、研究型大学之一，在长期办学过程中，形成了文理并重、基础宽厚、突出应用与创新的办学特色。学校有专业学院27个，学科门类覆盖文、史、哲、经、管、法、理、工、农、医、教、艺等。有国家“双一流”建设学科6个，一级学科国家重点学科6个（覆盖35个二级学科），二级学科国家重点学科9个，一级学科天津市重点学科32个。在第四轮全国学科评估中，14个学科进入前10%，其中5个学科进入前5%；在全球学科评价体系中，前1%学科15个，化学和材料科学进入前1‰。
成果资料