本发明公开了一种基于时序补偿引导的强化学习图像‑视频行人重识别方法,包括:1、构建序列特征提取网络;2、将行人视频与图像输入序列特征提取网络,提取由时序补偿的视频特征、图像特征,计算身份损失和三元组损失对网络参数进行更新;3、基于强化学习理论构建序列决策模块网络,设计奖励计算该模块中的actor网络和critic网络的损失以更新网络参数;4、根据图像查询库和视频待检索库的行人特征计算相似度矩阵,获得检索结果。本发明利用强化学习理论动态地选择所必需行人视频帧数,能降低行人视频中冗余信息和噪声对网络的干扰,从而在使用较少的帧数情况下实现高效、准确地行人图像‑视频匹配。
声明:
“基于时序补偿引导的强化学习图像-视频行人重识别方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)