申请/专利权人：杰创智能科技股份有限公司

申请日：2020-08-04

公开（公告）日：2024-05-17

公开（公告）号：CN112016402B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/82;G06N3/088;G06N3/094;G06N3/044;G06N3/0475

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明实施例提供一种基于无监督学习的行人重识别领域自适应方法及装置，所述方法包括：通过将带有身份标识的行人图像输入领域自适应特征提取模型，确定其初始特征和增强特征，并计算待进行行人重识别的图像特征与初始特征和增强特征的相似度，进行行人重识别；其中，领域自适应特征提取模型包括用于生成存在视角差异和或不同光照差异的特征增强图像的循环对抗生成网络模块、提取图像初始特征和增强特征的特征提取模块，以及确定初始特征和增强特征的外观相似特征的对比学习模块。本发明实施例在面对新场景时不需要重新训练网络，成本较低，且能够准确提取带有身份标识行人图像的初始特征和增强特征得到识别结果，具有较高的鲁棒性。

主权项：1.一种基于无监督学习的行人重识别领域自适应方法，其特征在于，包括：获取带有身份标识的行人图像，将所述带有身份标识的行人图像输入领域自适应特征提取模型中，确定带有身份标识的行人图像的初始特征和增强特征；获取待进行行人重识别的图像，确定待进行行人重识别的图像特征；计算所述待进行行人重识别的图像特征，与带有身份标识的行人图像的初始特征和增强特征的相似度，并对相似度结果进行排序，与待进行行人重识别的图像特征相似度最高的初始特征或者增强特征对应的行人身份为待进行识别的行人身份；其中，所述领域自适应特征提取模型包括循环对抗生成网络模块、特征提取模块和对比学习模块，所述领域自适应特征提取模型为采用行人重识别样本图像训练得到的；其中，所述循环对抗生成网络模块用于对所述样本图像进行不同视角差异和或不同光照差异的图像转换，生成与所述样本图像对应的存在视角差异和或不同光照差异的特征增强图像；所述特征提取模块，用于对所述样本图像进行特征提取，获取初始特征提取结果，以及，用于对所述特征增强图像进行特征提取，获得增强特征提取结果；所述对比学习模块，用于在特征提取模块获取初始特征提取结果和增强特征提取结果后，通过最近邻特征挖掘，确定所述初始特征提取结果和所述增强特征提取结果中的外观相似特征，并在所述初始特征提取结果和所述增强特征提取结果中标记所述外观相似特征，提高所述初始特征提取结果和所述增强特征提取结果中外观相似特征的使用权重；其中，所述外观相似特征是指所述初始特征提取结果和所述增强特征提取结果中的相似外观特征；其中，在对所述领域自适应特征提取模型进行训练时，通过计算循环一致性损失、对抗生成损失来优化所述循环对抗生成网络模块，以及通过计算对比损失来优化所述特征提取模块，直至满足预设收敛条件。

全文数据：

权利要求：

百度查询： 杰创智能科技股份有限公司 基于无监督学习的行人重识别领域自适应方法及装置

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。

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