申请/专利权人：内蒙古科技大学

申请日：2023-12-13

公开（公告）日：2024-03-19

公开（公告）号：CN117727068A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/774;G06V10/762;G06V10/77;G06V10/82;G06N3/0464;G06N3/088;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了一种牛身份识别图像特征提取模型构建方法及系统，涉及图像处理技术领域，通过特征聚类学习多个类内局部中心降低聚类难度，提高伪标签可靠性；在此基础上，采用类内局部中心表征类代理中心，基于类代理构造了独立域对比学习框架，并结合近似平均精度损失，利用检索序列内部的排序信息，通过移除检索序列中的负例样本来提高特征聚类纯度。在二者作用下，将在已知身份的源域数据集上的学习能力迁移到无标签的目标域数据集，在目标特征空间学习高性能聚类，有助于解决模型训练对于数据标定的依赖问题，进而提高无监督学习下目标域身份识别准确率。

主权项：1.一种牛身份识别图像特征提取模型构建方法，其特征在于，包括：采集牛样本图像，生成源域数据集和目标域数据集；分别对源域数据集和目标域数据集进行特征提取，得到源域数据图像特征和目标域数据图像特征；利用源域数据图像特征初始化源域多中心，并利用多中心代理表征方法表征源域类代理，进而求解源域对比损失；利用源域平均精度计算方法计算每个源域样本的检索平均精度，进而求解源域平均精度损失；对目标域数据图像特征进行聚类，生成目标域数据伪标签，在伪标签条件下初始化目标域数据特征，之后初始化目标域多中心，进而利用多中心类代理表征方法表征类代理，来计算目标域对比损失；在源域对比损失、源域平均精度损失、目标域对比损失的基础上，计算联合监督损失函数；根据联合监督损失函数反向不断迭代更新模型参数，直到模型收敛，得到特征提取模型。

全文数据：

权利要求：

百度查询： 内蒙古科技大学 一种牛身份识别图像特征提取模型构建方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD