申请/专利权人：天津师范大学

申请日：2022-07-06

公开（公告）日：2024-04-19

公开（公告）号：CN114937289B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/40;G06V10/74;G06V10/762;G06V10/82;G06F16/583;G06N3/045;G06N3/084;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.09.09#实质审查的生效;2022.08.23#公开

摘要：本发明公开了一种基于异构伪标签学习的跨域行人检索方法。该方法包括：构建均值教师和学生网络模型，将源域行人图像和目标域行人图像分别输入，得到源域行人特征、第一目标域行人特征和第二目标域行人特征；计算源域行人图像中每个身份行人对应的中心特征，将中心特征和第二目标域行人特征存入内存库模块；基于第一目标域行人特征获取细颗粒度伪标签和粗颗粒度伪标签，利用第二目标域行人特征和内存库模块存储的特征得到实例伪标签，对实例伪标签进行标签一致性转换，得到第一实例伪标签和第二实例伪标签；计算总损失值，并对学生网络和均值教师网络进行优化；利用最优均值教师网络模型得到跨域行人检索结果。本发明提高了跨域行人检索的正确率。

主权项：1.一种基于异构伪标签学习的跨域行人检索方法，其特征在于，所述方法包括以下步骤：步骤S1，利用预训练深度学习模型构建均值教师和学生网络模型，其中，所述均值教师和学生网络模型包括均值教师网络和学生网络，将组成训练集的源域行人图像和目标域行人图像分别输入至所述均值教师和学生网络模型中，得到所述均值教师网络提取的源域行人特征fs和第一目标域行人特征ft，以及所述学生网络提取的第二目标域行人特征gt；步骤S2，构建内存库模块，计算源域行人图像中每个身份行人对应的源域行人特征fs的均值，以表示该身份行人的中心特征，将该中心特征通过键值对形式的更新方式存入所述内存库模块，将第二目标域行人特征gt按照队列形式的更新方式存入所述内存库模块；步骤S3，构建伪标签生成模块，基于所述第一目标域行人特征ft，利用聚类算法获取细颗粒度伪标签和粗颗粒度伪标签，利用所述第二目标域行人特征gt和内存库模块存储的特征进行相似性度量，得到实例伪标签，并对于所述实例伪标签进行标签一致性转换，得到第一实例伪标签和第二实例伪标签；步骤S4，构建损失计算模块，基于细颗粒度伪标签、粗颗粒度伪标签、实例伪标签、第一实例伪标签和第二实例伪标签，利用所述损失计算模块计算总损失值，利用所述总损失值对所述学生网络进行参数优化，通过学生网络参数的指数移动平均算法对所述均值教师网络进行参数更新，得到最优均值教师网络模型；步骤S5，利用所述最优均值教师网络模型提取目标域查询图像和行人库图像的最终特征，并利用余弦距离计算得到所述目标域查询图像和行人库图像之间的相似度，得到跨域行人检索的结果。

全文数据：

权利要求：

百度查询： 天津师范大学 一种基于异构伪标签学习的跨域行人检索方法

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