申请/专利权人：清华大学

申请日：2021-12-03

公开（公告）日：2024-06-28

公开（公告）号：CN114399724B

主分类号：G06V20/52

分类号：G06V20/52;G06N20/00;G06V10/25;G06V10/44;G06V10/762;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.05.13#实质审查的生效;2022.04.26#公开

摘要：本申请涉及数据处理技术领域，特别涉及一种行人重识别方法、装置、电子设备及存储介质，其中，方法包括：对采集的数据进行行人检测，生成无标注行人数据集，在进行无监督训练后生成第一行人重识别模型；在第一行人重识别模型不满足目标性能条件时，利用第一行人重识别模型对无标注行人数据集进行行人特征提取，生成第一行人特征集，并进行重要性采样及标注，根据第一行人特征集中的标注数据与未标注数据进行半监督训练，生成第二行人重识别模型，直到第二行人重识别模型满足目标性能条件时，利用满足目标性能条件的第二行人重识别模型进行行人识别。由此，解决了相关技术中行人重识别模型训练所需的数据标注成本较高，识别效果较差等问题。

主权项：1.一种基于主动学习的弱监督行人重识别方法，其特征在于，包括以下步骤：对采集的数据进行行人检测，生成无标注行人数据集；根据所述无标注行人数据集进行无监督训练，生成第一行人重识别模型，所述根据所述无标注行人数据集进行无监督训练，生成第一行人重识别模型，包括：利用预设模型对所述无标注行人数据集进行行人特征提取，生成第二行人特征集；使用基于密度的聚类算法对所述第二行人特征集进行聚类，生成第二伪标签行人数据集；利用所述第二伪标签行人数据集进行监督训练，得到所述第一行人重识别模型；在所述第一行人重识别模型不满足目标性能条件时，利用所述第一行人重识别模型对所述无标注行人数据集进行行人特征提取，生成第一行人特征集；对所述第一行人特征集进行重要性采样，对采样的数据进行标注，根据所述第一行人特征集中的标注数据与未标注数据进行半监督训练，生成第二行人重识别模型，直到所述第二行人重识别模型满足所述目标性能条件时，利用满足所述目标性能条件的第二行人重识别模型进行行人识别；其中，所述对所述第一行人特征集进行重要性采样，对采样的数据进行标注，包括：计算所述第一行人特征集中任意两个数据xi，xj组成的数据对之间的距离；选择与xi伪标签yi相同且距离最远的数据xj，并选择与xi伪标签yi不同且距离最近的数据xk，组成三元组xi，xj，xk；计算所述三元组xi，xj，xk的熵，并将所有三元组的熵按照预设排序规则进行排序，并根据熵从大到小顺序选择预设数量的三元组；根据选择的每个三元组中的xi，xj与xi，xk组成所述标注数据。

全文数据：

权利要求：

百度查询： 清华大学 行人重识别方法、装置、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD