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！

龙图腾网获悉重庆邮电大学申请的专利一种增强优化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：CN114332916B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202111465470.1，技术领域涉及：G06V40/10；该发明授权一种增强优化跨域行人重识别方法是由许国良;陈代丽;魏琦璐;刘立竹设计研发完成，并于2021-12-03向国家知识产权局提交的专利申请。

本一种增强优化跨域行人重识别方法在说明书摘要公布了：本发明涉及一种增强优化跨域行人重识别方法，属于计算机视觉技术领域。该方法包括：辅助数据和目标数据集构建、可靠训练数据集和增强训练数据集划分、辅助数据和可靠训练数据分类损失、可靠训练数据动态近邻样本探索及增强训练数据动态近邻样本挖掘；本发明充分利用簇外难样本信息和簇内样本特征，挖掘目标域潜在信息，并与辅助数据进行交替训练，从而提高模型在目标域的匹配性能。

本发明授权一种增强优化跨域行人重识别方法在权利要求书中公布了：1.一种增强优化跨域行人重识别方法，其特征在于：该方法包括以下步骤： S1：获取辅助数据和目标数据，两类数据行人身份完全不同且来自多个摄像机；辅助数据包含行人身份信息，目标数据不包含身份信息； S2：将目标数据送入深度神经网络，指定可靠训练数据和增强训练数据，并为可靠训练数据分配伪标签；增强训练数据由难样本和随机采样的可靠样本组成； S3：将辅助数据和可靠训练数据依次输入深度神经网络，计算辅助数据和可靠训练数据的分类损失，分别以Lsrc和Lr_id表示； S4：将深度神经网络输出的可靠训练数据特征存入特征字典Er；根据特征字典探索查询图像的动态近邻样本，使相似特征彼此接近，并计算可靠相似性损失Lr_near； S5：将步骤S2的增强训练数据输入深度神经网络，输出特征存入增强特征字典Ee，挖掘动态近邻样本，优化模型对难样本的识别，并计算增强训练损失Lenh_near； S6：根据S3～S5，将可靠训练数据的分类损失、相似性损失和增强训练数据的增强相似损失进行加权，得到目标数据总损失为： Ltgt＝ηLr_id+Lr_near+Lenh_near S7：模型总的损失函数包括：辅助数据分类损失和目标数据总损失的加权和； L＝1-λLsrc+λLtgt S8：重复S2～S7，直到迭代次数到达设定的最大迭代次数时，模型训练完成； S9：将查询图像和展示图像输入步骤S8训练好的行人重识别模型，输出匹配排序列表和性能结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；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”。