买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:北京百度网讯科技有限公司
摘要:本申请公开了用于生成目标再识别模型和用于目标再识别的方法、装置、设备和存储介质,涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域。具体实现方案为:获取有标签的样本集、无标签的样本集、经监督式训练得到的初始化模型;使用初始化模型对无标签的样本集中每个样本进行特征提取;使用聚类算法对从无标签的样本集提取的特征进行聚类;对于无标签的样本集中每个样本,根据该样本在特征空间中对应的类簇为该样本分配伪标签;将具有伪标签的样本集和有标签的样本集混合作为训练样本集,对初始化模型进行监督式训练得到目标再识别模型。该实施方式充分利用有标签的数据进行模型训练,提高模型训练速度和精度,从而提高了再识别的准确性。
主权项:1.一种用于生成目标再识别模型的方法,包括:获取有标签的样本集、无标签的样本集、经监督式训练得到的初始化模型;使用所述初始化模型对所述无标签的样本集中每个样本进行特征提取;使用聚类算法对从无标签的样本集提取的特征进行聚类;对于所述无标签的样本集中每个样本,根据该样本在特征空间中对应的类簇为该样本分配伪标签;将具有伪标签的样本集和所述有标签的样本集按预定比例混合作为训练样本集,对所述初始化模型进行监督式训练得到目标再识别模型,其中,所述比例根据损失值的变化动态调整,包括:使用所述初始化模型对所述有标签的样本集中每个样本进行特征提取;使用图卷积神经网络对具有伪标签的样本集中每个样本的特征和所述有标签的样本集中每个样本的特征进行融合,得到每个样本的融合特征;基于具有伪标签的样本集中每个样本的融合特征和所述有标签的样本集每个样本的融合特征训练所述初始化模型,得到目标再识别模型。
全文数据:
权利要求:
百度查询: 北京百度网讯科技有限公司 用于生成目标再识别模型和用于目标再识别的方法和装置
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。