技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明涉及一種基于AdaRank的深度特征和傳統(tǒng)特征的集成方法，其主要技術(shù)特點(diǎn)是：將圖像數(shù)據(jù)進(jìn)行分割，針對(duì)不同部分分別構(gòu)造并訓(xùn)練深度卷及神經(jīng)網(wǎng)絡(luò)，用以獲得深度特征；從行人再識(shí)別數(shù)據(jù)中提取傳統(tǒng)特征，包括LOMO特征、ELF6特征、Hog3D特征；選取如下三種度量學(xué)習(xí)方法：KISSME、kLFDA和LMNN；將所有特征與三種度量學(xué)習(xí)方法進(jìn)行組合張成笛卡爾乘積，得到一系列弱排序器；利用AdaRank算法，對(duì)弱排序器進(jìn)行集成學(xué)習(xí)，最終得到強(qiáng)排序器。本發(fā)明設(shè)計(jì)合理，結(jié)合了深度學(xué)習(xí)、多特征、度量學(xué)習(xí)、集成學(xué)習(xí)，通過(guò)構(gòu)造“弱排序器”并進(jìn)行集成學(xué)習(xí)，使得系統(tǒng)的整體性能遠(yuǎn)遠(yuǎn)高于單一特征和單一度量算法，使得系統(tǒng)整體匹配率大大提升，獲得了很好的性能。

技術(shù)研發(fā)人員：鄭蘇桐;郭曉強(qiáng);李小雨;姜竹青;門愛(ài)東
受保護(hù)的技術(shù)使用者：國(guó)家新聞出版廣電總局廣播科學(xué)研究院;北京郵電大學(xué)
技術(shù)研發(fā)日：2017.06.15
技術(shù)公布日：2017.10.24