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！

申请/专利权人：北京航空航天大学

摘要：本发明公开了一种基于互学习的跨域行人重识别方法，包括基于互学习的目标域信息挖掘和基于互学习的训练策略两部分，利用互学习进行目标域信息挖掘步骤为：1利用源域和目标域进行训练，获得两个预训练模型；2利用两个模型提取特征，挖掘目标域中行人的近邻样本；3通过Jaccard距离生成伪标签；基于互学习的训练策略步骤为：1每个预训练模型为对等模型选择样本进行训练；2利用KL散度定义样本的孤立性并选择样本；3利用KL散度计算选择样本的rank矩阵；4每个模型通过对等模型构造的三元组对模型进行更新；5利用更新后的两个模型进行目标域信息挖掘，更新伪标签，并重新进行神经网络的训练，完成行人重识别。

主权项：1.一种基于互学习的跨域行人重识别方法，其特征在于，包括：基于互学习的目标域信息挖掘方法和基于互学习的训练策略两部分内容；所述基于互学习的目标域信息挖掘方法步骤为：（d1）利用有标注的源域数据集训练获得源域预训练模型，并通过源域预训练模型提取目标域数据特征，利用DBSCAN聚类算法生成伪标签进行训练，获得目标域预训练模型，互相称为对等模型；（d2）利用步骤（d1）中获得的两个预训练模型，计算得到目标域中每个行人的近邻集合；（d3）将步骤（d2）的近邻集合转换为Jaccard距离，进而通过DBSCAN聚类算法生成伪标签；所述基于互学习的训练策略步骤为：（t1）步骤（d1）中的每个预训练模型分别为对等模型选择小交叉熵损失前80%的样本，并使用这部分样本通过分类损失更新对等模型的参数；（t2）利用步骤（t1）中更新后的每个模型生成的身份概率计算各样本间的KL散度，代表样本间的身份相似度；（t3）基于KL散度距离定义各样本的孤立性，步骤（t1）中每个模型为对等模型选孤立性排前80%的样本；（t4）利用KL散度计算步骤（t3）中选择样本的rank矩阵，确定三元组的正负样本对；（t5）步骤（t1）中每个模型通过对等模型构造的三元组，利用三元组损失进行参数更新；（t6）根据步骤（t5）中更新后的参数，重新进行目标域信息挖掘，生成更新后的伪标签，利用更新后的伪标签重新进行神经网络的训练；（t7）训练完成后得到特征模型，进行行人检索；所述步骤（d2）包括如下步骤：（d2.1）利用步骤（d1）中获得的两个预训练模型提取目标域数据集中所有行人的特征并生成两个特征矩阵，根据两个特征矩阵和k-reciprocalnearestneighbor策略为每个行人寻找近邻样本；（d2.2）基于两个预训练模型的一致性进行近邻挖掘，综合两个预训练模型共同筛选出更为置信的近邻样本集合，抛弃掉筛选后剩下的样本；（d2.3）每个预训练模型，利用对等模型的特征表达能力，对步骤（d2.2）中放弃掉的样本集合进行进一步挖掘，获取有效的近邻样本；（d2.4）将步骤（d2.2）和（d2.3）挖掘得到的近邻样本合并得到最终的近邻集合。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种基于互学习的跨域行人重识别方法