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！

龙图腾网恭喜重庆大学申请的专利一种基于深度学习的跨域行人再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：CN114882531B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202210554612.X，技术领域涉及：G06V40/10；该发明授权一种基于深度学习的跨域行人再识别方法是由葛永新;张俊银;华博誉;徐玲;黄晟;洪明坚;王洪星;张小洪;杨丹设计研发完成，并于2022-05-19向国家知识产权局提交的专利申请。

本一种基于深度学习的跨域行人再识别方法在说明书摘要公布了：本发明涉及一种基于深度学习的跨域行人再识别方法，包括如下步骤：选用公开数据集作为源域和目标域；选用ResNet‑50模型M并进行初始化其参数得到M′；将源域和目标域作为初始化模型M′的输入并计算相应损失对模型M′进行训练，达到最大训练次数后停止训练，得到训练好的模型M″；将待预测行人图像输入训练好的模型M″中，得到行人的检索结果。使用本发明方法可以更准确的检测识别特定行人。

本发明授权一种基于深度学习的跨域行人再识别方法在权利要求书中公布了：1.一种基于深度学习的跨域行人再识别方法，其特征在于：包括如下步骤：S100：选用公开数据集A和B，将数据集A作为源域Ds，公式如下： 其中，表示第i个源域样本，表示第i个源域样本对应的真实标签，ns表示源域样本总数；选取数据集B中的部分数据作为目标域训练集DT，DT的表达式如下： 其中，表示第j个目标域样本，nt表示目标域样本总数；S200：选用ResNet-50模型M，模型M包括两个模块，模块一为在线特征编码器f·|θt，θt为模块一的相关参数，模块二为动量特征编码器为模块二的相关参数；使用数据集ImageNet对模型M进行参数初始化,得到初始化模型M′；S300：利用损失函数计算初始化模型M′的损失，初始化模型M′的损失函数如下：S310：使用动量特征编码器对DT中的数据进行特征提取并保存到记忆特征库N中，然后利用DBSCAN聚类算法对N中所有的特征进行聚类并生成与一一对应的伪标签S320：使用时序域关系策略计算源域每次迭代的训练权重wdi，预设源域每次迭代的训练权重最大为t1，最小为t2，其中t1t2，计算表达式如下： wdi＝1-si×t1+si×t2其中，符号％表示取余操作，i表示第i次训练，e表示最大训练次数，wdi表示源域作用在第i次迭代训练时的训练权重，si表示将t1和t2等间隔分后每份的长度；S330：使用排名引导选择策略计算每个源域样本的训练权重具体步骤如下：S331：从源域Ds随机选取一个源域样本1≤i≤ns，并利用线特征编码器f·|θt对进行提取特征，然后分别利用目标域的类别分类器和源域的类别分类器对进行分类，分别计算在目标域上分类的概率分布和在源域上分类的概率分布计算表达式如下： 其中，表示在目标域上分类的概率分布，Ct表示目标域上的类别分类器，cp表示目标域上伪标签的类别数量；代表样本在源域上分类的概率分布，cs为源域上真实标签的类别数量，Cs表示目标域上的类别分类器；S332：计算与目标域的相似性分数Si，表达式如下： 其中，cp表示目标域上伪标签的类别数量；S333：计算所有源域样本与目标域的相似性分数，组成相似性分数集合然后将所有相似性分数进行降序排列，取靠前的k％的相似性分数对应的源域样本作为可靠性样本集合δs，表达式如下： 其中，τs表示第k％个源域样本的相似性分数；S334：定义在源域上的最大类别概率和第二大类别概率分别为和计算在源域上的不确定性Ui，表达式如下： S335：计算所有源域样本不确定性值，组成不确定性值集合然后将所有不确定性值进行升序排列，取靠前的k％的不确定性值对应的源域样本作为不确定性样本集合δu，表达式如下： S336：结合公式6和公式8得到每个源域样本的训练权重表达式如下： S340：依据S336得到的源域样本训练权重，计算源域的交叉熵损失具体表达式如下： 其中，表示源域样本属于类别的概率；S350：依据S336得到的源域样本训练权重,计算源域的三元组损失具体步骤如下：S351：计算第i个以为锚点的三元组损失的权重为计算表达式如下： 其中，表示与距离最远的源域正样本，表示与距离最近的源域负样本；S352：计算所有源域样本的三元组损失后，可以得到源域的三元组损失具体表达式如下： 其中，和分别表示源域样本与最远源域正样本和最近源域负样本之间的距离，m表示三元组的间隔大小；S360：计算目标域的交叉熵损失和三元组损失具体表达式如下： 其中，表示目标域样本属于类别的概率。和分别表示目标域样本与最远目标域正样本和最近目标域负样本间的距离，m表示三元组的间隔大小；S370：根据公式10、公式12、公式13和公式14可得到初始化模型M’的最终损失函数Ltotal，表达式如下： 其中，表示软交叉熵损失权重，表示软三元组损失权重；S400：将源域和目标域作为初始化模型M′的输入对模型M′进行训练，根据S300中计算的损失更新M′中的参数，当达到最大训练次数时停止训练，得到训练好的模型M″；S500：将待预测行人图像输入训练好的模型M″中，得到行人的检索结果。

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大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。