申请/专利权人:深圳云天励飞技术股份有限公司
申请日:2023-12-29
公开(公告)日:2024-04-19
公开(公告)号:CN117912054A
主分类号:G06V40/10
分类号:G06V40/10;G06V10/62;G06V10/80;G06V10/44;G06V10/74;G06V10/774;G06V10/776
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明涉及人工智能技术领域,尤其涉及一种人体重识别模型的训练方法、装置、设备及介质。本申请中,使用自监督的方式对待训练的人体重识别模型中的编码器进行优化,优化时,无须进行数据标注,提高了优化效率,且在编码器优化过程中,分别计算编码器在不同任务中的损失,包括重构损失、相似度损失与分类损失,联合不同任务中的损失对待训练的人体重识别模型中的编码器进行优化,提高了优化精度,从而使用优化的编码器构建的人体重识别模型进行人体重识别任务时,提高了人体重识别模型的重识别精度。
主权项:1.一种人体重识别模型的训练方法,其特征在于,所述人体重识别模型包括预训练好的编码器,所述训练方法包括:获取输入人体图像以及对所述输入人体图像的预设分类维度;基于所述预训练好的编码器对所述输入人体图像进行部分编码,得到部分编码结果,并将所述部分编码结果输入一解码器进行重构,计算重构损失;基于所述预训练好的编码器对所述输入人体图像的两种数据增强后的图像分别进行编码,得到两个增强编码结果,并将所述两个增强编码结果进行对比学习,计算对比学习损失;基于所述预训练好的编码器对所述输入人体图像进行全部编码,得到全部编码结果,对所述全部编码结果进行投影分类,得到分类结果,基于所述预设分类维度,对所述全部编码结果进行聚类,得到聚类结果,根据所述聚类结果和所述分类结果,计算分类损失;根据所述重构损失、所述对比学习损失与所述分类损失,对所述预训练好的编码器进行优化,得到优化的编码器;基于所述优化的编码器构建人体重识别模型,得到目标人体重识别模型。
全文数据:
权利要求:
百度查询: 深圳云天励飞技术股份有限公司 人体重识别模型的训练方法、装置、设备及介质
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。