• 热门行业
  • 装修建材
  • 家居生活
  • 餐饮食品
  • 母婴教育
  • 电脑办公
  • 服装首饰
  • 汽车工具
  • 家电数码
  • 机械化工
  • 休闲美容
返回上一页
专利状态
基于迁移学习的内河船舶重识别方法、设备及存储介质
有效
专利申请进度
申请
2020-01-17
申请公布
2020-06-09
授权
2023-04-18
预估到期
2040-01-17
专利基础信息
申请号 CN202010053647.6 申请日 2020-01-17
申请公布号 CN111259812A 申请公布日 2020-06-09
授权公布号 CN111259812B 授权公告日 2023-04-18
分类号 G06V20/13;G06V10/762;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
分类 计算;推算;计数;
申请人名称 四川九洲电器集团有限责任公司
申请人地址 上海市闵行区东川路800号
专利法律状态
  • 2023-04-18
    授权
    状态信息
    授权
  • 2020-06-09
    公布
    状态信息
    公布
摘要
本发明提供了一种基于迁移学习的内河船舶重识别方法、设备及存储介质,重识别方法利用风格迁移后的行人重识别数据集,初始化一个CNN模型得到第一重识别模型,并利用第一重识别模型对无标签的内河船舶数据集进行特征提取;利用无监督K‑Means聚类算法,对第一重识别模型提取的特征进行聚类,得到具有伪标签的第一内河船舶数据集;利用第一内河船舶数据集对第一重识别模型微调,得到内河船舶重识别模型。利用内河船舶重识别模型,得到每一张待识别内河船舶图像的候选图像列表。本发明提出的基于迁移学习的内河船舶重识别方法不需要对内河船舶数据集进行标注,很好的解决了现有技术中在同域场景下内河船舶数据集有限、标注成本大以及精度不高的问题。