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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于模态不变性建模的无监督行人重识别方法及系统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：CN118015657B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202410154316.X，技术领域涉及：G06V40/10；该发明授权基于模态不变性建模的无监督行人重识别方法及系统是由王春宇;庞志奇;赵玲玲设计研发完成，并于2024-02-02向国家知识产权局提交的专利申请。

本基于模态不变性建模的无监督行人重识别方法及系统在说明书摘要公布了：本发明公开了基于模态不变性建模的无监督行人重识别方法及系统，属于行人重识别技术领域。通过利用模态间风格迁移模型对图像风格进行处理；利用模态对比损失提升在线编码器对模态差异的鲁棒性；计算原始图像与最相似的k个图像之间的特征相似度，计算对应生成图像与对应k个生成图像之间的特征相似度；基于两组特征相似度计算模糊性并选择可靠图像；利用簇对比损失函数、困难样本对比损失函数和模态对比损失函数对在线编码器进行优化并更新平均编码器；最后对待测数据进行特征提取，以在跨模态场景中确定具有指定身份的行人图像。本发明解决了现有技术通常会受到困难样本和噪声标签影响的技术问题，优化了跨模态行人重识别场景中的综合性能。

本发明授权基于模态不变性建模的无监督行人重识别方法及系统在权利要求书中公布了：1.基于模态不变性建模的无监督行人重识别方法，其特征在于，包括以下步骤：S1、采集可见光和红外模态中的行人图像样本，构建数据集；S2、利用模态间风格迁移模型对图像风格进行处理，得到生成图像集，再分别利用三元组感知损失和结构一致性约束使生成图像具有目标风格且保持原始身份；S21、将可见光图像集或红外图像集输入到生成器中得到生成图像集,生成图像集中的生成图像具有红外模态的风格和可见光模态的身份或可见光模态的风格和红外模态的身份；S22、再将生成图像集输入到生成器中生成重建图像集,重建图像集具有可见光模态的风格和身份或红外模态的风格和身份；S23、基于三元组感知损失使生成图像具有目标风格，基于结构一致性约束使生成图像保持原始身份；S3、利用在线编码器对生成图像和原始图像进行特征提取，利用模态对比损失提升在线编码器对模态差异的鲁棒性；S4、利用平均编码器进行特征提取，分别得到原始图像和生成图像的平均特征，基于原始图像的平均特征在原始图像集中寻找最相似的k个图像，给所选择的k个原始图像找到对应的k个生成图像，计算原始图像与k个图像之间的特征相似度，计算对应生成图像与对应k个生成图像之间的特征相似度；S5、计算上述两组特征相似度的余弦相似度，基于余弦相似度计算样本的模糊性，基于样本模糊性选择样本中的可靠样本；S6、利用簇对比损失函数、困难样本对比损失函数、模态对比损失函数对在线编码器进行优化，再利用优化后的在线编码器对平均编码器进行更新；1）簇对比损失函数：基于精炼结果和身份伪标签计算簇质心，针对第p个簇中的任意图像，将第p个簇的质心设为正簇质心，其他簇的质心设为负簇质心；通过簇对比损失函数增加与正簇质心的相似性、降低与负簇质心的相似性： 其中，为在线编码器提取的图像的在线特征，为的正簇质心,为任意簇质心,为当前阶段簇的数量，为簇对比损失函数的温度超参数；2）困难样本对比损失函数：训练过程中，针对一个批次中的每个图像，与其距离最远的正样本为困难正样本，与其距离最近的前w个负样本为困难负样本，通过引入困难样本对比损失函数提升与困难正样本的相似度，降低与困难负样本的相似度： 其中，为在线编码器提取的图像的在线特征，为平均编码器提取的图像的困难正样本的特征，为平均编码器提取的图像的困难负样本的特征，为困难样本对比损失函数的温度超参数；3）模态对比损失函数：基于精炼结果、身份伪标签和模态标签计算模态质心，针对第p个簇中模态标签为q的任意图像，将第p个簇中模态标签不为q的模态质心的组合设为正的跨模态质心，将其他簇中与距离最近的前u个模态质心的组合称为负模态质心集合，引入模态对比损失函数对在线编码器进行优化： 其中，为在线编码器提取的图像的在线特征，为中的模态质心，为模态对比损失函数的温度超参数；4）整体损失函数定义为： 其中，和分别为和的权重因子；S7、利用更新后的平均编码器对待测数据集进行特征提取，基于特征之间的相似性在跨模态场景中确定具有指定身份的行人图像。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。