System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及行人重识别,尤其是一种基于自监督精细分类的视频行人重识别方法。
技术介绍
1、在互联网飞速发展的时代,每天都会产生海量的信息。图像和视频作为这些信息的载体,在人们的日常生活中随处可见。监控摄像头是公共场合下常见的设施,广泛应用于安全监管和取证,对于构建智慧安全城市起到不可磨灭的作用。在面临多个非重叠摄像头视角的条件下,检索出某个特定人员的任务,被称作行人重识别。随着近些年深度学习技术的发展以及大量行人重识别公开数据集的支持,有监督的行人重识别任务已经得到了蓬勃发展。然而,标注一个大规模的行人重识别数据集需要耗费大量的人力物力资源,相反获得一个没有标注信息的大规模行人数据集却轻而易举。因此,为了使行人重识别技术在真实场景下具有应用价值,许多研究者投入到无监督行人重识别任务的研究中。
2、现有的无监督行人重识别方法通常通过聚类算法对行人样本数据分配伪标签,并借助伪标签完成模型的训练。然而这种方法大多无法获得准确的伪标签,且忽视了数据本身蕴含的丰富信息。
技术实现思路
1、本专利技术的目的是根据上述现有技术的不足,提供了一种基于自监督精细分类的视频行人重识别方法,通过充分挖掘数据内含的自监督信息对聚类获得的伪标签进行精调,提升伪标签的准确性并提升模型性能。
2、本专利技术目的实现由以下技术方案完成:
3、一种基于自监督精细分类的视频行人重识别方法,通过模型基于视频进行行人重识别任务,其特征在于:所述模型在其训练阶段包括以下步骤:
< ...【技术保护点】
1.一种基于自监督精细分类的视频行人重识别方法,通过模型基于视频进行行人重识别任务,其特征在于:所述模型在其训练阶段包括以下步骤:
2.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述S2中,所述帧的特征fi,j的计算方式为:
3.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述S2中,通过相似度计算筛选出轨迹中的噪声帧,并过滤掉噪声帧,获得初步清洗好噪声帧的轨迹;
4.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述S3中,采用等间隔顺序划分的方式将清洗好的轨迹划分为多个等长的子轨迹:
5.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述S4中,采用DBSCAN聚类方法对获得的所有子轨迹进行聚类,将每个子轨迹分配到子簇中并赋予伪标签,得到初步标注好的数据集其中,代表第i个子轨迹的伪标签,Ns为伪标签总类别数。
6.根据权利要求5所述的一种基于自监督精细分类的视频行人重识别方法,其特征在
7.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述S5中,所述类平滑损失函数为:
8.根据权利要求7所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:正例集合Pi的选取受渐进式学习策略影响,在训练前期模型特征提取能力不强时,只融合自监督信号直接可达的子簇;在训练后期模型特征提取能力提高时,融合所有可达子簇。
9.根据权利要求8所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:所述训练前期和所述训练后期的分界点定义为第一次降低训练学习率的训练轮次时。
10.根据权利要求8所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:所述直接可达的子簇的定义为:给出轨迹TA,若其子轨迹STA被聚类到若干子簇中{ca,cb,...,cz},则这Z个子簇之间的关系被定义为直接可达;可达子簇的定义为:给出轨迹TA和TB,如果TA的子轨迹被聚类到子簇ca,cb中,TB的子轨迹被聚类到子簇cb,cc中,则子簇ca,cc的关系被定义为可达。
...【技术特征摘要】
1.一种基于自监督精细分类的视频行人重识别方法,通过模型基于视频进行行人重识别任务,其特征在于:所述模型在其训练阶段包括以下步骤:
2.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述s2中,所述帧的特征fi,j的计算方式为:
3.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述s2中,通过相似度计算筛选出轨迹中的噪声帧,并过滤掉噪声帧,获得初步清洗好噪声帧的轨迹;
4.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述s3中,采用等间隔顺序划分的方式将清洗好的轨迹划分为多个等长的子轨迹:
5.根据权利要求1所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:在所述s4中,采用dbscan聚类方法对获得的所有子轨迹进行聚类,将每个子轨迹分配到子簇中并赋予伪标签,得到初步标注好的数据集其中,代表第i个子轨迹的伪标签,ns为伪标签总类别数。
6.根据权利要求5所述的一种基于自监督精细分类的视频行人重识别方法,其特征在于:将聚类算法...
【专利技术属性】
技术研发人员:李厚荣,冯江宇,董景超,李斌,薛向阳,王麒藻,蒋孝云,朱克宏,何佐耀,徐国栋,王扇良,陈晓东,
申请(专利权)人:中铁二十四局集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。