公开(公告)号：CN117746084A

公开(公告)日：2024-03-22

申请号：CN202311775166.6

申请日：2023-12-22

Applicant: 南京信息工程大学

Inventor： 田青 ,  孙纪新 ,  孙灿宇 ,  周亮宇

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06V20/52 ,  G06N3/0464 ,  G06N3/088 ,  G06F17/16

Abstract: 本发明公开了一种基于注意力残差和对比学习的无监督域适应行人重识别方法，包括：将待识别行人图像和目标图像库输入行人重识别模型；根据模型的输出，得到行人重识别结果；模型的获取方法包括：将无标签的目标域数据集中的目标域数据进行部分灰度化得到部分灰度化图像；将增强后的目标域数据输入第一注意力残差网络进行特征提取，得到第一特征和对应的预测概率值；将增强后的部分灰度化图像输入第二注意力残差网络进行特征提取，得到第二特征和对应的预测概率值；注意力残差网络使用有标签的源域数据集预训练得到；对第一特征聚类后进行聚类提纯，确定可靠的伪标签；结合目标域的无监督训练总损失函数，训练更新第一注意力残差网络的参数。

公开(公告)号：CN117765464A

公开(公告)日：2024-03-26

申请号：CN202311775140.1

申请日：2023-12-22

Applicant: 南京信息工程大学

Inventor： 田青 ,  孙纪新 ,  赵易 ,  刘祥

IPC: G06V20/52 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于字典学习中间域的无监督域适应行人重识别方法，包括：获取待识别行人图像和目标图像库；将所述待识别行人图像和目标图像库输入无监督域适应行人重识别模型；根据所述无监督域适应行人重识别模型的输出，得到行人重识别结果；其中所述行人重识别结果为从目标图像库中检索到的与待识别行人图像具有相同身份的行人图像；其中所述无监督域适应行人重识别模型采用改进的ResNet‑50网络，在ResNet‑50网络的第一残差模块和第二残差模块之间增加了一个字典学习中间域模块，所述字典学习中间域模块包括中间域注意力子模块和字典学习子模块；所述无监督域适应行人重识别模型使用有标签的源域数据集和无标签的目标域数据集共同训练优化得到。