公开(公告)号：CN114663685A

公开(公告)日：2022-06-24

申请号：CN202210181439.3

申请日：2022-02-25

Applicant: 江南大学

Inventor： 蒋敏 ,  马磊 ,  孔军

IPC: G06V10/62 ,  G06V40/10 ,  G06V20/30 ,  G06V10/42 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种行人重识别模型训练的方法、装置、设备以及计算机可读存储介质，包括：基于两个卷积神经网络构建两个行人重识别网络模型；将目标域图像集输入每个行人重识别网络模型中，利用卷积神经网络和Transformer提取中间特征；利用全局子值池化模块对中间特征进行处理，输出最终特征值，并进行聚类分析，得到硬伪标签；构建每个行人重识别网络模型的时序平均模型，将目标域图像集输入每个时序平均模型中，得到软伪标签；利用软硬伪标签代优化行人重识别网络模型，选取目标行人重识别网络模型。本发明通过Transformer和全局子值池化模块获得高质量的特征信息，通过聚类得到更高质量的伪标签，大幅提高模型性能，提高行人重识别的准确度。

公开(公告)号：CN114663685B

公开(公告)日：2023-07-04

申请号：CN202210181439.3

申请日：2022-02-25

Applicant: 江南大学

Inventor： 蒋敏 ,  马磊 ,  孔军

IPC: G06V10/62 ,  G06V40/10 ,  G06V20/30 ,  G06V10/42 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明公开了一种行人重识别模型训练的方法、装置、设备以及计算机可读存储介质，包括：基于两个卷积神经网络构建两个行人重识别网络模型；将目标域图像集输入每个行人重识别网络模型中，利用卷积神经网络和Transformer提取中间特征；利用全局子值池化模块对中间特征进行处理，输出最终特征值，并进行聚类分析，得到硬伪标签；构建每个行人重识别网络模型的时序平均模型，将目标域图像集输入每个时序平均模型中，得到软伪标签；利用软硬伪标签代优化行人重识别网络模型，选取目标行人重识别网络模型。本发明通过Transformer和全局子值池化模块获得高质量的特征信息，通过聚类得到更高质量的伪标签，大幅提高模型性能，提高行人重识别的准确度。