龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：福州大学
摘要：本发明涉及一种无监督行人重识别方法，包括以下步骤：步骤S1:获取包括若干视角的行人图像数据，构建行人数据集；步骤S2:构建行人重识别模型，并基于无监督的视角内和视角外的训练方法进行训练，得到训练后的行人重识别模型；步骤S3:将待识别图像输入训练后的行人重识别模型，获取识别结果。本发明解决相似度计算问题导致分配伪标签不准确问题，有效提高识别效率和可靠性。
主权项：1.一种无监督行人重识别方法，其特征在于，包括以下步骤：步骤S1:获取包括若干视角的行人图像数据，构建行人数据集；步骤S2:构建行人重识别模型，具体为在主干网络ResNet-50中把其中的BN层替换成AIBLN层所形成的模型，并基于无监督的视角内和视角外的训练方法进行训练，得到训练后的行人重识别模型；步骤S3:将待识别图像输入训练后的行人重识别模型，获取识别结果；所述基于无监督的视角内和视角外的训练方法进行训练，具体如下：步骤S21:通过CNN网络在每一个视角下提取到一个全局的特征；步骤S22:利用全局特征在每一个视角下都进行一次聚类，产生N个视角下的伪标签之后进行一个带有分类器的有监督训练；步骤S23:通过计算由分类器产生的分类得分去计算一个视角相似度，利用视角相似度和全局相似度去衡量两个样本的相似性；利用相似性把所有的样本进行聚类分配伪标签，再利用伪标签进行监督学习；步骤S24:迭代进行步骤S22-S23，优化视角间的相似度和优化非视角的相似度的信息；所述行人重识别模型正则化层采用一种新的正则化层AIBLN，具体为：通过将IN和BN和LN得到的统计量线性融合计算出来的 其中X∈RH×W×N是featuremap，μbn，σbn是通过BN计算的均值和方差；μin，σin是通过IN计算的均值和方差；μln，σln是通过LN计算的均值和方差；γ和β是仿射参数，λ是一个可学习的加权参数；在CNN训练过程中通过反向传播对λ进行优化；在网络的训练过程中，并没有加入任何对λ的限制；在优化的过程中把λ的参数限制在[0,1]。
全文数据：
权利要求：
百度查询： 福州大学 一种无监督行人重识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号