公开(公告)号：CN111860678B

公开(公告)日：2024-02-27

申请号：CN202010744097.2

申请日：2020-07-29

Applicant: 中国矿业大学

Inventor： 周勇 ,  侯浩鹏 ,  赵佳琦 ,  夏士雄 ,  姚睿 ,  陈莹 ,  张迪 ,  张曼

IPC: G06V40/10 ,  G06V10/762 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0895 ,  G06V10/764

Abstract: 本发明公开了一种基于聚类的无监督跨域行人重识别方法，属于计算机视觉领域。具体实现（1）搭建用于预训练的神经网络；（2）将源域有标签的数据输入预训练网络，做有监督的预训练；（3）搭建用于微调的双流相互学习网络框架；4）训练双流相互学习框架，输出适用于目标域的行人重识别模型。本发明利用有标签的源域数据集和无标签的目标域数据集，以及相互学习的网络框架，实现无监督的跨域行人重识别；引入自注意力机制和全局联合池化操作，以及提出新的损失函数——联合灵活优化损失，并选用更合

公开(公告)号：CN111860678A

公开(公告)日：2020-10-30

申请号：CN202010744097.2

申请日：2020-07-29

Applicant: 中国矿业大学

Inventor： 周勇 ,  侯浩鹏 ,  赵佳琦 ,  夏士雄 ,  姚睿 ,  陈莹 ,  张迪 ,  张曼

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于聚类的无监督跨域行人重识别方法，属于计算机视觉领域。具体实现（1）搭建用于预训练的神经网络；（2）将源域有标签的数据输入预训练网络，做有监督的预训练；（3）搭建用于微调的双流相互学习网络框架；（4）训练双流相互学习框架，输出适用于目标域的行人重识别模型。本发明利用有标签的源域数据集和无标签的目标域数据集，以及相互学习的网络框架，实现无监督的跨域行人重识别；引入自注意力机制和全局联合池化操作，以及提出新的损失函数——联合灵活优化损失，并选用更合适开放集数据的聚类方法，从而使得模型性能获得明显提升。