摘要
本发明提供了一种低秩多尺度多模态行人重识别方法、电子设备及存储介质,属于深度学习技术领域;包括获取含有RGB、近红外和热红外的三种模态的行人图像,并将三种模态的行人图像输入三分支特征提取网络中,分别得到从RGB相机中提取的RGB模态特征、从近红外中提取的NI模态特征以及从热红外中提取的TI模态特征;采用低秩多尺度多模态网络模型对三种模态特征进行分别计算,得到多模态特征;将多模态特征对行人进行行人重识别,得到所述行人的行人重识别结果。本发明通过多尺度多模态交互模块吸收其他模态中的有用信息;通过低秩多模态融合模块融合来自其他两种模态的信息,使得模型更高效的融合多种模态特征,同时保持模型低复杂性。
技术关键词
交互特征
重识别方法
多模态网络
相互作用特征
多模态交互
行人重识别
混合损失函数
多模态特征
特征提取网络
图像
多尺度
模块
深度学习技术
电子设备
融合特征
程序
阶段
可读存储介质
系统为您推荐了相关专利信息
异构集成模型
梯度提升机
协同优化方法
协同优化系统
支持向量回归
专业知识问答系统
问答方法
RBAC模型
实验室设备
多模态交互
预后预测方法
相互作用特征
影像
多实例
训练卷积神经网络
路径优化方法
车辆路径优化
复杂度
场景
粒子群优化算法