申请/专利权人:中国地质大学(武汉)
申请日:2024-01-19
公开(公告)日:2024-05-10
公开(公告)号:CN118015656A
主分类号:G06V40/10
分类号:G06V40/10;G06V20/52;G06V10/40;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/047;G06N3/084;G06N3/088
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本申请公开了一种无监督跨模态行人检索方法和装置,涉及计算机视觉领域,可以减少源域带标签数据集和目标域无标签数据集之间的领域偏差,提高模型在目标域下的检索性能。所述方法包括:确定初始模型,采用带标签数据集中的多个带标签样本对初始模型进行模型参数更新,得到预训练模型;将无标签数据集中的多个无标签样本输入至预训练模型进行特征提取,得到多个无标签特征向量;基于多个无标签特征向量,为多个无标签样本分配伪标签,得到伪标签数据集,并采用伪标签数据集,对预训练模型进行无监督损失训练,得到跨模态行人检索模型;采用跨模态行人检索模型对目标域下的待检索行人图片进行跨模态行人图片检索,得到检索排名结果。
主权项:1.一种无监督跨模态行人检索方法,其特征在于,包括:确定初始模型,采用带标签数据集中的多个带标签样本对所述初始模型进行模型参数更新,得到预训练模型,所述带标签样本为源域下的图片样本;将无标签数据集中的多个无标签样本输入至所述预训练模型进行特征提取,得到多个无标签特征向量,所述无标签样本为目标域下的图片样本;基于多个所述无标签特征向量,为多个所述无标签样本分配伪标签,得到伪标签数据集,并采用所述伪标签数据集,对所述预训练模型进行无监督损失训练,得到跨模态行人检索模型;采用所述跨模态行人检索模型对所述目标域下的待检索行人图片进行跨模态行人图片检索,得到检索排名结果,将所述检索排名结果发送至展示终端进行展示。
全文数据:
权利要求:
百度查询: 中国地质大学(武汉) 无监督跨模态行人检索方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。