[发明专利]一种基于迁移学习的无监督行人重识别方法

摘要

本发明公开了一种基于迁移学习的无监督行人重识别方法，包括如下步骤：1)在带标签的源数据集上预训练CNN模型，采用交叉熵损失和三元度量损失作为目标优化函数；2)提取无标签的目标数据集行人特征；3)结合候选列距离和绝对距离计算特征相似度矩阵；4)对相似度矩阵进行密度聚类，为每个距离小于预设阈值的特征集合设置一个标签，重组成带标签的目标数据集；5)在重组数据集上训练CNN模型至收敛；6)以预设迭代次数重复步骤2)‑5)；7)将测试图片输入模型提取特征，根据特征相似度进行排序得到结果。本发明合理运用源领域有标签数据和目标领域无标签数据，在目标领域上提高行人重识别的准确率，降低对有标签数据的强依赖性。

主权项

1.一种基于迁移学习的无监督行人重识别方法，其特征在于，所述的无监督行人重识别方法包括如下步骤：S1、在带标签的源数据集上预训练CNN模型，采用交叉熵损失和三元度量损失作为目标优化函数，训练CNN模型至收敛；S2、采用预训练的CNN模型提取无标签的目标数据集的行人特征；S3、结合候选列距离和绝对距离计算行人的特征相似度矩阵；S4、对相似度矩阵进行密度聚类，输出距离小于预设阈值的特征集合，每个特征集合设置为一个标签，重组成带标签的目标数据集；S5、在带标签的目标数据集上训练CNN模型至模型收敛；S6、以预设迭代次数重复步骤S2‑S5；S7、将目标测试集图片输入训练好的CNN模型提取特征，根据特征相似度进行排序得到行人重识别结果，进而实现无监督的行人重识别方法。