原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请提供一种适用于任意多模态数据组合的行人重识别模型训练方法，多模态分词器针对任意预设模态或预设模态组合的行人数据都可以分别得到单模态嵌入矩阵，并且串联形成对应的混合嵌入矩阵，多模态特征提取器采用的基础模型基于Transformer架构，具备处理变长输入的能力，且在大规模数据集上经过预训练，故可以针对任意混合嵌入矩阵得到对应的混合特征矩阵。由于基础模型的参数冻结，在行人重识别模型的训练过程中主要针对多模态分词器中的多个分词器准备训练样本集和设置损失函数，从而有效控制训练成本。如此，本申请能够处
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN118072252A
(43)申请公布日2024.05.24
(21)申请号202410463169.4
(22)申请日2024.04.17
(71)申请人武汉大学
文档评论（0）