基于密集连接卷积网络超球体嵌入的目标重识别方法

摘要

本发明提供了一种基于密集连接卷积网络超球体嵌入的目标重识别方法，首先依密级连接卷积网络DenseNet提取视频序列中水下形变目标特征，大幅度减轻梯度消失、强化特征传播、支持特征重用和参数学习过程，然后从细粒度分类角度，由局部整合到全局，以分组平均池化思想精炼提取水下形变目标各级特征，获得更为精准的水下形变目标特征表达能力，以超球体损失即角三重损失关注水下形变个体目标的类间差异，区分类内差异，避免直接度量水下形变个体目标编码特征之间的欧氏距离，构建多点布设的水下视觉系统完整的、连续的水下形变个体目标重识别模型。利用本发明最终完成水下形变目标个体在近距离多视场观测中的密切监督和过程追踪。