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！

龙图腾网恭喜杭州电子科技大学申请的专利基于注意力引导和多尺度标签生成的跨域行人重识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114092964B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111215371.8，技术领域涉及：G06V40/10；该发明授权基于注意力引导和多尺度标签生成的跨域行人重识别方法是由姜明;高骏涛;张旻;李鹏飞设计研发完成，并于2021-10-19向国家知识产权局提交的专利申请。

本基于注意力引导和多尺度标签生成的跨域行人重识别方法在说明书摘要公布了：本发明公开了一种基于注意力引导和多尺度标签生成的跨域行人重识别方法。本发明提出了一种基于注意力引导和多尺度标签生成的渐进式学习框架。首先，设计了一个注意力机制引导的背景约束模块，旨在突出图像中有用的前景行人信息，减轻背景杂波的干扰。这有利于引导模型学习更多与行人身份相关的判别特征，从而提高行人特征的辨识度。其次，为了挖掘图像中的细节特征信息，该模型从全局到局部、从浅层到深层挖掘潜在的相似性，从不同的视角为行人生成伪标签。结果表明，这种方法具有更好的鲁棒性和自适应能力，有效的增强了模型的泛化能力。

本发明授权基于注意力引导和多尺度标签生成的跨域行人重识别方法在权利要求书中公布了：1.基于注意力引导和多尺度标签生成的跨域行人重识别方法，按照如下步骤进行：步骤1在残差网络ResNet50中引入注意力机制，增加多尺度分支,构建自定义的神经网络；步骤2利用有标记的源域数据训练步骤1构建的神经网络，得到初始re-ID模型；步骤3将源域图像输入StarGan模型进行风格迁移，使源域图像获得目标域中对应相机的风格样式，得到风格迁移后的源域数据集，利用该数据集微调初始re-ID模型；步骤4将无标记的目标域数据输入到步骤3得到的re-ID模型中进行特征提取，得到每个图像的多尺度特征分组；步骤5根据步骤4生成的多尺度特征分组，分别进行距离计算构建距离矩阵，结合聚类算法对每组进行聚类，根据聚类结构，对目标域图像标注伪标签；步骤6使用标注多尺度伪标签的目标域数据和渐进式的训练策略训练步骤3得到的re-ID模型；步骤7迭代循环步骤4-步骤6，直到模型稳定；使用最终的re-ID模型在测试集中检索待查询图片，得到最终结果；所述步骤1具体实现过程如下：1-1采用在ImageNet上预训练过的ResNet50作为骨干网络，保留主干部分的四个阶段，去除最后的空间下采样操作、全局平均池化层和完全连接层，并在残差块中的第一个BN层中加入实例归一化层；1-2在ResNet50的各阶段之间插入注意力引导的背景约束模块，背景约束模块包括正向注意力机制和反向注意力机制；正向注意力机制由通道注意力C和空间注意力S两部分组成，可以写成S和C的张量乘积，如公式1所示；ATT＝SigmoidS×C1反向注意力机是由正向注意力机制所放弃的特征形成，解决正向注意力机制导致的特征信息丢失问题,反向注意力机制的内核如公式2所示；ATTR＝1-SigmoidS×C21-3从ResNet50的阶段2和3中提取特征的多尺度分支，也就是分别从阶段2和3提取骨干网络中生成的浅层、中层特征；在ResNet50第4阶段后添加一个全连接层和一个带有切片操作的局部分支，通过局部分支获得行人全局特征、上半部分特征和下半部分特征；并在最后增加一个BN层和分类线性层，其输出用于交叉熵损失训练网络；所述步骤5具体实现过程下：5-1对生成的多尺度特征分组计算其两两之间的相似度，引入K-倒数编码法得到行人特征距离矩阵，然后使用无监督聚类方法DBSCAN分别对多尺度特征向量组进行聚类，对属于同一个簇内的样本分配同一个伪标签，根据5个特征向量的分组结果建立一个新的目标数据集，每个图像都有5个伪标签，如公式3所示； 其中，Nt表示目标域图片数量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。