公开(公告)号：CN113723345A

公开(公告)日：2021-11-30

申请号：CN202111053962.X

申请日：2021-09-09

Applicant: 河北工业大学

Inventor： 郭迎春 ,  冯放 ,  阎刚 ,  朱叶 ,  于洋 ,  师硕 ,  刘依 ,  吕华 ,  郝小可 ,  于明

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明为一种基于风格转换和联合学习网络的域自适应行人再识别方法，包括一、利用源域数据集对神经网络模型进行预训练；二、对目标域数据集中的行人图像进行风格转换；三、对每张行人图像进行预处理；四、将同一张行人图像采用两种预处理方式得到的图像输入到两个神经网络模型中提取特征，将两个高阶特征保存至两个存储器中；两个高阶特征进行聚类，得到伪标签；将同一张行人图像的两个高阶特征进行融合，融合后的高阶特征存储在联合存储器中；五、基于伪标签训练两个神经网络模型，基于联合存储器同步训练两个神经网络模型；六、重复第四、五步并在训练过程中计算两个神经网络模型的识别精度，将识别精度最佳的神经网络模型用于行人再识别。

公开(公告)号：CN113723345B

公开(公告)日：2023-11-14

申请号：CN202111053962.X

申请日：2021-09-09

Applicant: 河北工业大学

Inventor： 郭迎春 ,  冯放 ,  阎刚 ,  朱叶 ,  于洋 ,  师硕 ,  刘依 ,  吕华 ,  郝小可 ,  于明

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/762 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明为一种基于风格转换和联合学习网络的域自适应行人再识别方法，包括一、利用源域数据集对神经网络模型进行预训练；二、对目标域数据集中的行人图像进行风格转换；三、对每张行人图像进行预处理；四、将同一张行人图像采用两种预处理方式得到的图像输入到两个神经网络模型中提取特征，将两个高阶特征保存至两个存储器中；两个高阶特征进行聚类，得到伪标签；将同一张行人图像的两个高阶特征进行融合，融合后的高阶特征存储在联合存储器中；五、基于伪标签训练两个神经网络模型，基于联合存储器同步训练两个神经网络模型；六、重复第四、五步并在训练过程中计算两个神经网络模型的识别精度，将识别精度最佳的神经网络模型用于行人再识别。