公开(公告)号：CN116152858A

公开(公告)日：2023-05-23

申请号：CN202310180338.9

申请日：2023-02-28

Applicant: 常州大学

Inventor： 王洪元 ,  孙明浩 ,  冯尊登 ,  张继 ,  丁宗元

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/75 ,  G06V10/74 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明涉及行人重识别技术领域，尤其涉及一种基于双重交叉注意力机制的无监督行人重识别方法，包括：将无标签数据集数据输入深度残差网络，提取全局和部分特征；根据全局和部分特征的k‑nn相似性计算每个样本的交叉一致性分数；根据交叉一致性分数来细化每个部分的伪标签；计算交叉熵损失函数；生成部分引导的细化标签作为全局特征的伪标签；通过注意力图来挖掘高响应区域；计算全局集合之间的交叉关注度；并计算目标图像的查询和组合的键值对之间的关注度；在下一个聚类阶段使用来自训练模型的特征来更新伪标签。本发明解决伪标签中的固有噪声阻碍无监督方法性能问题。

公开(公告)号：CN115761415A

公开(公告)日：2023-03-07

申请号：CN202211562206.4

申请日：2022-12-07

Applicant: 常州大学

Inventor： 王洪元 ,  冯尊登 ,  孙明浩 ,  张继 ,  丁宗元

IPC: G06V10/774 ,  G06V10/762 ,  G06F17/16 ,  G06V20/52

Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于联合距离矩阵与混合对比损失的行人重识别方法，包括获取行人图片并进行预处理；使用实例级内存字典中的特征并结合相机偏移距离矩阵计算联合距离矩阵；然后采用DBSCAN算法进行聚类，生成伪标签；从训练样本中选取一定数量的查询样本输入到主干网络中提取查询样本的特征，用来与聚类内存字典中的特征进行混合对比损失的计算；提取全局平均池化层的特征，并使用欧氏距离进行检索。本发明通过设计一个联合距离矩阵引导相机感知聚类，缓解相机差异的影响，使得不同相机下的同一身份的图像更容易聚类；同时，使用混合对比损失策略，能够有效的利用样本之间的聚类信息，提升模型的性能。