买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜武汉纺织大学申请的专利基于跨模态可靠主观特征的素描行人重识别方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119274213B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411783108.2，技术领域涉及：G06V40/10；该发明授权基于跨模态可靠主观特征的素描行人重识别方法及设备是由黄俊杰;李创;陈卡;朱泳卓;崔傲叠;赵国强;潘寒阳;黎瑶设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于跨模态可靠主观特征的素描行人重识别方法及设备在说明书摘要公布了：本发明公开了一种基于跨模态可靠主观特征的素描行人重识别方法及设备，涉及人物素描图像处理技术领域，基于跨模态可靠主观特征的素描行人重识别方法主要包括：根据人物RGB和素描图像得到训练集、验证集和测试集；利用残差网络构建双路径特征增强网络并利用训练集进行训练，得到训练好的双路径特征增强网络；根据测试集，利用训练好的双路径特征增强网络，得到人物素描检索结果。实施本发明提供的基于跨模态可靠主观特征的素描行人重识别方法及设备，能提升跨模态检索任务的准确性和鲁棒性。

本发明授权基于跨模态可靠主观特征的素描行人重识别方法及设备在权利要求书中公布了：1.一种基于跨模态可靠主观特征的素描行人重识别方法，其特征在于，包括以下步骤：S01：获取人物RGB和素描图像，对所述人物RGB和素描图像进行预处理，得到人物RGB和素描图像数据集，将所述人物RGB和素描图像数据集划分为训练集、验证集和测试集；S02：利用残差网络构建双路径特征增强网络；S03：利用所述训练集对所述双路径特征增强网络进行训练，得到训练好的双路径特征增强网络；S04：根据所述测试集，利用所述训练好的双路径特征增强网络，得到人物素描检索结果；所述预处理包括：尺寸调整、灰度化和归一化；所述双路径特征增强网络，以ResNet50为骨干网络，在ResNet50的每一个残差模块Block后串接跨模态特征增强模块；所述跨模态特征增强模块用于提取特征，进一步融合局部和全局信息；所述跨模态特征增强模块包括依次串联的平均池化层、第一全连接层、线性整流函数ReLU、第二全连接层、Sigmoid函数和逐元素相乘操作；其中，平均池化层的输入端与逐元素相乘操作的输入端并联连接；步骤S03具体包括：S031：设置所述双路径特征增强网络的训练参数并调节权重，将所述训练集和所述验证集输入到所述双路径特征增强网络；S032：利用跨模态特征增强模块分别将输入照片特征和输入关键特征提取为RGB关键特征和素描关键特征；S033：根据所述RGB关键特征和素描关键特征，构建损失函数；S034：重复步骤S032-S033至预设次数，计算损失函数，将损失函数最小的模型作为训练好的双路径特征增强网络；步骤S032具体包括：利用跨模态特征增强模块分别将输入照片特征和输入关键特征提取为RGB关键特征和素描关键特征，如公式： ， ，其中，表示第c类或通道的特征向量，为经过变换后得到的第c类的特征向量，表示Sigmoid激活函数，表示第一全连接层的权重矩阵，表示第二全连接层的权重矩阵，代表压缩后的通道特征表示，表示表示所有类别的变换特征向量的集合；步骤S033具体包括：根据所述RGB关键特征和素描关键特征，构建损失函数，如公式： ， ， ，其中，为损失函数，为模态内和跨模态下与其他正样本的平均距离，为约束公式，为样本的总数量，表示在一个小批量中样本的数量，为模态内与其他正样本的距离，为跨模态下与其他正样本的距离，表示第个样本素描图像的特征向量，表示第个RGB图像的特征向量，表示第个样本的特征向量，表示第个样本的特征向量，表示对某一组数据进行均值运算，表示属于类别的样本的特征中心向量，表示类别的负样本的平均距离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉纺织大学，其通讯地址为：430000 湖北省武汉市洪山区纺织路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。