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！

龙图腾网获悉西安交通大学;宁波市舜安人工智能研究院申请的专利基于解耦样本组学习的行人重识别方法、系统、设备及介质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：CN116416646B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310332115.X，技术领域涉及：G06V40/10；该发明授权基于解耦样本组学习的行人重识别方法、系统、设备及介质是由王乐;季皓宣烨;周三平;陈仕韬;辛景民;郑南宁设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本基于解耦样本组学习的行人重识别方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种基于解耦样本组学习的行人重识别方法、系统、设备及介质，所述方法包括以下步骤：获取给定的查询图像和给定的行人图像集合；采用预先训练好的特征提取器进行特征提取，获得查询图像的特征向量以及行人图像集合的特征向量集合；获取所述查询图像的特征向量与所述行人图像集合的特征向量集合中各个特征之间的欧式距离，获取行人图像集合关于查询图像的排序列表；基于所述排序列表，获得行人重识别结果。本发明通过挖掘同时具有可鉴别性信息与高置信度伪标签的样本并将这些样本引入特征学习过程中以增强特征的判别力；采用训练好的特征提取器进行特征提取，基于可鉴别性特征能够获得准确的行人重识别结果。

本发明授权基于解耦样本组学习的行人重识别方法、系统、设备及介质在权利要求书中公布了：1.一种基于解耦样本组学习的行人重识别方法，其特征在于，包括以下步骤： 获取给定的查询图像和给定的行人图像集合； 基于所述给定的查询图像和给定的行人图像集合，采用预先训练好的特征提取器进行特征提取，获得查询图像的特征向量以及行人图像集合的特征向量集合； 获取所述查询图像的特征向量与所述行人图像集合的特征向量集合中各个特征之间的欧式距离，获取行人图像集合关于查询图像的排序列表； 基于所述排序列表，获得行人重识别结果； 其中，所述预先训练好的特征提取器的训练步骤包括： 将无标签行人训练图像样本集合中的每个训练图像样本，分别输入预构建的特征提取器中，获得每个训练图像样本的特征并存入特征库中； 在训练的每次迭代过程中，基于当前的特征库为当前的行人生成行人特征，利用行人特征为每个训练图像样本构建辅助向量，基于辅助向量指导构建每个训练图像样本的解耦正样本组与解耦负样本组；将解耦正样本组与解耦负样本组引入可替代的解耦学习损失函数以及解耦二阶相似性正则引导特征提取器的特征学习过程，训练获得所述预先训练好的特征提取器；其中，在训练过程的每次迭代之后，更新每个训练图像样本的特征； 其中，所述基于当前的特征库为当前的行人生成行人特征，利用行人特征为每个训练图像样本构建辅助向量，基于辅助向量指导构建每个训练图像样本的解耦正样本组与解耦负样本组的步骤包括： 根据输入图像xi的编号提取图像对应在特征库中的特征其中，i表示行人样本在数据库中的编号，M表示样本的特征库，表示存储在M中的行人i的特征； 为当前图像x构建辅助向量集其中，表示行人y所对应的类的原型向量，是具有相同伪标签y的样本所对应的样本的特征向量的平均；y表示估计的x的伪标签； 基于辅助向量A与图像x之间的关系，计算训练图像样本集合中除去图像x的剩余图像样本与A之间的相似性概率直方分布，表示为， 式中，表示图像x存储在特征库M中的特征； 基于获得的相似性概率直方分布Px；A，为图像x构建解耦正样本组与解耦负样本组表达式为， 式中，argTopkPxi；Aik表示分布Pxi；Ai中第k大值的索引，argTopkPxj；Ajk表示分布Pxj；Aj中第k大值的索引；K表示解耦样本组的阶数；表示xi的k阶解耦正样本组，表示xi的k阶解耦负样本组，yi与yj分别对应图像xi与xj的伪标签，Ai为xi对应的辅助向量集。

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西安交通大学;宁波市舜安人工智能研究院，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。