申请/专利权人：南京航空航天大学

申请日：2021-03-05

公开（公告）日：2024-04-02

公开（公告）号：CN112906606B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/44;G06V10/764;G06V10/762;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.06.22#实质审查的生效;2021.06.04#公开

摘要：本发明公开了一种基于相互分歧学习的域自适应行人重识别方法，包括以下步骤：准备行人数据集；在源域数据集上进行预训练，在目标域数据集上提取图片的特征向量；对目标域数据集的图像进行基于密度的聚类，将簇的编号作为伪标签；使用对抗性的策略将离群点加入到训练样本中；将已聚类的样本和离群点混合，一起送入网络，采用相互分歧学习来校正伪标签的噪声，将待查询的行人图像输入到训练好的行人重识别模型中，得到待识别的行人特征向量，并将它与候选库中的属性特征进行相似度比较并排序，得到行人重识别的结果。本发明缩小了源域和目标域之间的分布差异，有效地利用源域的知识，最终本发明的框架能学习到具有鲁棒性和鉴别性的特征。

主权项：1.一种基于相互分歧学习的域自适应行人重识别方法，其特征在于：包括以下步骤：步骤S1，准备行人数据集，行人数据集包括有标签的源域数据集和无标签的目标域数据集；步骤S2，在源域数据集上进行预训练，在目标域数据集上提取图片的特征向量；步骤S3，对目标域数据集的图像进行基于密度的聚类，将簇的编号作为伪标签；步骤S4，使用对抗性的策略将离群点加入到训练样本中；所述步骤S4中，使用一个额外的辅助网络，先将部分已聚类的图像送入辅助网络中进行学习，这样辅助网络就能获得聚类样本的普遍特征；然后将离群点送入辅助网络中，这样就能够提取出一些小损失的离群点；步骤S5，将步骤S3得到已聚类的样本和步骤S4得到的离群点混合，一起送入网络，采用相互分歧学习来校正伪标签的噪声，将待查询的行人图像输入到训练好的行人重识别模型中，得到待识别的行人特征向量，并将它与候选库中的属性特征进行相似度比较并排序，得到行人重识别的结果；所述步骤S5中，采用相互分歧学习来纠正伪标签，对伪标签的训练和优化交替进行：在训练的早期阶段，通过输入相同的图像但分别进行随机擦除，裁剪和翻转以及进行不同的参数初始化的方式来维持两个网络的差异；在训练的中期和后期，采用分歧策略来减缓两个网络达成共识的速度，并保持两个网络之间的持续分歧；执行每个网络以进行自己的预测，并选择两个网络之间存在预测差异的样本；基于这些样本，每个网络都进一步训练了这些分歧样本并更新了其参数。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于相互分歧学习的域自适应行人重识别方法

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