[发明专利]基于分组感知标签的自适应记忆无监督行人重识别方法

权利要求书

1.一种基于分组感知标签的自适应记忆无监督行人重识别方法，其特征是，包括如下步骤：

A、以没有标签的目标域图片数据为样本，通过设置不同的聚类条件，对样本进行了DBSCAN聚类算法操作，生成组感知标签，得到具有多组标签的行人数据集；

B、计算行人数据集的聚类中心与同一簇中样本之间的距离，同一簇中的样本具有不同的权重，构建权重字典a；

C、构建基于自适应记忆存储结构的师生网络，该网络包括教师网络E^t、学生网络E^s和记忆存储模块，其中教师网络E^t和学生网络E^s具有相同的网络结构；利用聚类后的特征初始化记忆存储模块，并利用权重字典a更新与样本对应的记忆存储结构；

D、在训练过程中，将三个通过设置不同聚类条件生成的具有多组标签的行人数据集(表示为和输入到教师网络E^t和学生网络E^s中进行训练，通过教师网络E^t来存储训练过程中的学生网络E^s中的参数，在学生网络和教师网络中分别有3个从多种角度对同一行人图片进行描述的输出特征，并利用教师网络与学生网络的之间的对齐学习，平滑噪声的影响；

E、根据预设的迭代次数循环操作步骤A-步骤D、对教师网络E^t和学生网络E^s进行训练；

F、训练完毕将测试集数据输入，进行测试。

2.根据权利要求1所述的基于分组感知标签的自适应记忆无监督行人重识别方法，其特征是，在所述步骤A中，采用多密度DBSCAN聚类算法生成多组聚类伪标签，输入目标域图片数据，设置聚类条件S＝{s₁，s₂，...s_t，}，聚类过程的公式为：

C，L＝Clustering(S)

其中C和L分别代表聚类中心和聚类所得到的伪标签；

引入松弛变量γ₁和γ₂，当聚类条件为∈时，ε-γ₁和ε+γ₂为同一数据集生成聚类；当∈为群集的正常设置时，ε+γ₂放松聚类标准，使每个聚类结果中包含更多样本，而ε-γ₁收紧聚类标准，使每个聚类结果中包含少量的样本，由此生成具有多组标签的行人数据集。

3.根据权利要求1所述的基于分组感知标签的自适应记忆无监督行人重识别方法，其特征是，在所述步骤B中，未标记的样本被聚类为N个簇，表示为C＝{c¹，c²，...，cⁱ}，i∈[1，N]；对于每个簇，其中心特征为：

其中，cⁱ表示聚类结果中的第i个簇，K是cⁱ中的样本数，是cⁱ中的中心特征；对于图像g，g与cⁱ之间的距离计算为：

其中，f_g是g的特征；

样本与其对应的记忆存储结构中原有的特征之间的距离计算为：

其中是cⁱ具有的伪标签对应的记忆存储结构中的特征；图像g与簇cⁱ中第k个样本距离为：

得到d_i后，对其中的元素按降序排列，并保存为ds_i；通过d_i和ds_i计算权重字典a为：

其中，是在ds_i中的索引；

前步骤的输出为对应不同组标签的权重字典a，在每次迭代中，利用该权重字典a对记忆存储结构中的特征进行更新。