公开(公告)号：CN111126360A

公开(公告)日：2020-05-08

申请号：CN202010143811.2

申请日：2020-03-04

Applicant: 西安电子科技大学

Inventor： 田玉敏 ,  杨芸 ,  吴自力 ,  王笛 ,  潘蓉

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于无监督联合多损失模型的跨域行人重识别方法，主要解决现有无监督跨域行人重识别方法识别率低的问题。其方案是，1)获取数据集并将其分为训练集与测试集；2)对训练集进行多种预处理和扩充；3)选取残差网络作为基准网络模型，初始化网络参数，调整网络结构；4)构建目标域损失函数；5)将目标域损失函数与源域损失函数，三元组损失函数进行融合，得到总损失函数；6)利用总损失函数对残差网络进行训练，得到训练好的网络模型；7)将测试集输入到训练好的网络模型，输出识别结果。本发明提高了无监督跨域行人重识别的识别率，有效避免了过拟合情况的发生，可用于嫌疑目标查找，行人跨摄像头跟踪的智能安保。

公开(公告)号：CN111126360B

公开(公告)日：2023-03-24

申请号：CN202010143811.2

申请日：2020-03-04

Applicant: 西安电子科技大学

Inventor： 田玉敏 ,  杨芸 ,  吴自力 ,  王笛 ,  潘蓉

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0464

Abstract: 本发明公开了一种基于无监督联合多损失模型的跨域行人重识别方法，主要解决现有无监督跨域行人重识别方法识别率低的问题。其方案是，1)获取数据集并将其分为训练集与测试集；2)对训练集进行多种预处理和扩充；3)选取残差网络作为基准网络模型，初始化网络参数，调整网络结构；4)构建目标域损失函数；5)将目标域损失函数与源域损失函数，三元组损失函数进行融合，得到总损失函数；6)利用总损失函数对残差网络进行训练，得到训练好的网络模型；7)将测试集输入到训练好的网络模型，输出识别结果。本发明提高了无监督跨域行人重识别的识别率，有效避免了过拟合情况的发生，可用于嫌疑目标查找，行人跨摄像头跟踪的智能安保。