-
公开(公告)号：CN112966647A
公开(公告)日：2021-06-15
申请号：CN202110319273.2
申请日：2021-03-25
Applicant: 东北林业大学
Abstract: 本发明提出一种基于聚类的无监督模型，使用逐层聚类的方法提高模型在目标域生成的伪标签的质量，并利用生成对抗网络生成辅助样本增强模型对于环境的鲁棒性，以此来形成在开放世界中具有高辨别力的行人重识别模型。其包括以下步骤：1：使用一种逐层聚类的方法，逐渐对提取出的特征向量进行聚合，为置信度较高的簇设置伪标签，并将带伪标签的目标域样本进行监督学习；步骤2：利用生成对抗网络生成跨摄像机的目标域辅助样本，并将其加入到目标域数据中参与聚类迭代以及模型损失优化；步骤3：在辅助样本加入后，结合三元组损失以及交叉熵损失对模型进行分阶段调整，提高模型稳定性。
Search Results
1
records
(took 0.02 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
