一种基于域对齐和伪标签细化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域对齐和伪标签细化的域自适应行人重识别方法，本发明专利技术方法包括以下步骤：首先，利用双分支结构从增强的数据中提取判别特征，以丰富特征的多样性；其次，利用分布式对抗性领域对齐模块，以最小化领域差异；最后，利用局部和全局特征之间的互补关系，实现了局部特征和全局特征相互细化的一致性，从而有效减少伪标签聚类产生的噪声，提高了伪标签预测的精度。本发明专利技术通过设计一个神经网络模型，实现了行人重识别和特征识别的融合，可以自动判断两张图像中的行人是否为同一人，同时预测出行人的多种特征。大量的实验表明，所提方法在主流领域自适应的行人重识别公开数据集上可以取得显著效果。

【技术实现步骤摘要】

本专利技术属于计算机视觉和机器学习，具体涉及一种基于域对齐和伪标签细化的域自适应行人重识别方法。

技术介绍

1、行人重识别是指从不同的摄像头中找到同一个人，它在寻找失踪人员、潜逃嫌犯以及其它场景中有着广泛应用。随着深度学习的快速发展，行人重识别方法已达到了一定高度，其中有监督的行人重识别方法如(wei li，rui zhao，tong xiao，and xiaogangwang.deep reid：deep filter pairing neural network for person re-identification.ieee conference on computer vision and pattern recognition，2014：152-159)已经取得了令人满意的准确率。然而，有监督的方法需要大量的标签注释，这大大增加了人力物力和财力。在这种情况下，无监督方法受到越来越多的关注，目前无监督方法主要包括完全无监督方法和无监督领域自适应方法，本专利技术将采用无监督领域自适应方法。随着深度学习和大规模图像基准的发展，行人重识别最近成为一个热本文档来自技高网...

【技术保护点】

1.一种基于域对齐和伪标签细化的域自适应行人重识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的方法，其特征在于，所述双分支结构中的每个分支分别采用残差网络、密集连接网络等作为特征提取器，从而学习得到的多样性特征具有互补性。

3.如权利要求1所述的方法，其特征在于，所述领域对齐模块采用最大均值差距度量不同特征分布之间的差异性，将不同领域特征映射到共同特征空间，以学习领域不变特征。为了实现源域和目标域之间特征分布的统一，这里利用最大平均差将源域和目标域的特征分布映射到另一个特征空间。φ(·)表示将原始样本映射到再生核希尔伯特空间的一些特征映射，通过映射使最...

【技术特征摘要】

1.一种基于域对齐和伪标签细化的域自适应行人重识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的方法，其特征在于，所述双分支结构中的每个分支分别采用残差网络、密集连接网络等作为特征提取器，从而学习得到的多样性特征具有互补性。

3.如权利要求1所述的方法，其特征在于，所述领域对齐模块采用最大均值差距度量不同特征分布之间的差异性，将不同领域特征映射到共同特征空间，以学习领域不变特征。为了实现源域和目标域之间特征分布的统一，这里利用最大平均差将源域和目标域的特征分布映射到另一个特征空间。φ(·)表示将原始样本映射到再生核希尔伯特空间的一些特征映射，通过映射使最大均值差距计算出每个批次的特征值：

4.如权利要求1所述的方法，其特征在于，所述伪标签细化模块采用伪标签平滑技术，根据全局特征聚类结果调整局部特征...

【专利技术属性】
技术研发人员：王奕轩，罗涛，朱松豪，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：