一种基于相互分歧学习的域自适应行人重识别方法技术

本发明专利技术公开了一种基于相互分歧学习的域自适应行人重识别方法，包括以下步骤：准备行人数据集；在源域数据集上进行预训练，在目标域数据集上提取图片的特征向量；对目标域数据集的图像进行基于密度的聚类，将簇的编号作为伪标签；使用对抗性的策略将离群点加入到训练样本中；将已聚类的样本和离群点混合，一起送入网络，采用相互分歧学习来校正伪标签的噪声，将待查询的行人图像输入到训练好的行人重识别模型中，得到待识别的行人特征向量，并将它与候选库中的属性特征进行相似度比较并排序，得到行人重识别的结果。本发明专利技术缩小了源域和目标域之间的分布差异，有效地利用源域的知识，最终本发明专利技术的框架能学习到具有鲁棒性和鉴别性的特征。别性的特征。别性的特征。

【技术实现步骤摘要】
domain adaptive person re
‑
identification,”in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition,2020,pp.9021
–
9030.

技术实现思路

[0010]为了解决以上方案的不足，本专利技术的目的是提出一种基于相互分歧学习的域自适应行人重识别方法，以缩小源域和目标域之间的分布差异。
[0011]为实现上述目的，本专利技术采用的技术方案为：
[0012]一种基于相互分歧学习的域自适应行人重识别方法，包括以下步骤：
[0013]步骤S1，准备行人数据集，行人数据集包括有标签的源域数据集和无标签的目标域数据集；
[0014]步骤S2，在源域数据集上进行预训练，在目标域数据集上提取图片的特征向量；
[0015]步骤S3，对目标域数据集的图像进行基于密度的聚类，将簇的编号作为伪标签；
[0016]步骤S4，使用对抗性的策略将离群点加入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相互分歧学习的域自适应行人重识别方法，其特征在于：包括以下步骤：步骤S1，准备行人数据集，行人数据集包括有标签的源域数据集和无标签的目标域数据集；步骤S2，在源域数据集上进行预训练，在目标域数据集上提取图片的特征向量；步骤S3，对目标域数据集的图像进行基于密度的聚类，将簇的编号作为伪标签；步骤S4，使用对抗性的策略将离群点加入到训练样本中；步骤S5，将步骤S3得到已聚类的样本和步骤S4得到的离群点混合，一起送入网络，采用相互分歧学习来校正伪标签的噪声，将待查询的行人图像输入到训练好的行人重识别模型中，得到待识别的行人特征向量，并将它与候选库中的属性特征进行相似度比较并排序，得到行人重识别的结果。2.根据权利要求1所述的基于相互分歧学习的域自适应行人重识别方法，其特征在于：所述步骤S2中，利用ResNet
‑
50模型在源域数据集上进行有监督的预训练，然后用预训练的模型来初始化训练目标域数据集，提取目标域数据集中图片的特征。3.根据权利要求2所述的基于相互分歧学习的域自适应行人重识别方法，其特征在于：所述步骤S2中，使用预训练的模型进行初始化，并且去除ResNet
‑
50模型的最后一个分类层；在目标域数据集上提取图片的特征向量表示为X＝{x1,x2,...,x
N
}，N是数据集中样本图片的数目，每个x都是一个2048维的特征向量。4.根据权利要求2所述的基于相互分歧学习的域自适应行人重识别方法，其特征在于：所述步骤S2中，使用的损失函数为...

【专利技术属性】
技术研发人员：张立言，徐旭，杜国栋，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：