買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜重慶大學申請的專利一種基于深度學習的跨域行人再識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114882531B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210554612.X，技術領域涉及：G06V40/10；該發明授權一種基于深度學習的跨域行人再識別方法是由葛永新;張俊銀;華博譽;徐玲;黃晟;洪明堅;王洪星;張小洪;楊丹設計研發完成，并于2022-05-19向國家知識產權局提交的專利申請。

本一種基于深度學習的跨域行人再識別方法在說明書摘要公布了：本發明涉及一種基于深度學習的跨域行人再識別方法，包括如下步驟：選用公開數據集作為源域和目標域；選用ResNet?50模型M并進行初始化其參數得到M′；將源域和目標域作為初始化模型M′的輸入并計算相應損失對模型M′進行訓練，達到最大訓練次數后停止訓練，得到訓練好的模型M″；將待預測行人圖像輸入訓練好的模型M″中，得到行人的檢索結果。使用本發明方法可以更準確的檢測識別特定行人。

本發明授權一種基于深度學習的跨域行人再識別方法在權利要求書中公布了：1.一種基于深度學習的跨域行人再識別方法，其特征在于：包括如下步驟：S100：選用公開數據集A和B，將數據集A作為源域Ds，公式如下： 其中，表示第i個源域樣本，表示第i個源域樣本對應的真實標簽，ns表示源域樣本總數；選取數據集B中的部分數據作為目標域訓練集DT，DT的表達式如下： 其中，表示第j個目標域樣本，nt表示目標域樣本總數；S200：選用ResNet-50模型M，模型M包括兩個模塊，模塊一為在線特征編碼器f·|θt，θt為模塊一的相關參數，模塊二為動量特征編碼器為模塊二的相關參數；使用數據集ImageNet對模型M進行參數初始化,得到初始化模型M′；S300：利用損失函數計算初始化模型M′的損失，初始化模型M′的損失函數如下：S310：使用動量特征編碼器對DT中的數據進行特征提取并保存到記憶特征庫N中，然后利用DBSCAN聚類算法對N中所有的特征進行聚類并生成與一一對應的偽標簽S320：使用時序域關系策略計算源域每次迭代的訓練權重wdi，預設源域每次迭代的訓練權重最大為t1，最小為t2，其中t1t2，計算表達式如下： wdi＝1-si×t1+si×t2其中，符號％表示取余操作，i表示第i次訓練，e表示最大訓練次數，wdi表示源域作用在第i次迭代訓練時的訓練權重，si表示將t1和t2等間隔分后每份的長度；S330：使用排名引導選擇策略計算每個源域樣本的訓練權重具體步驟如下：S331：從源域Ds隨機選取一個源域樣本1≤i≤ns，并利用線特征編碼器f·|θt對進行提取特征，然后分別利用目標域的類別分類器和源域的類別分類器對進行分類，分別計算在目標域上分類的概率分布和在源域上分類的概率分布計算表達式如下： 其中，表示在目標域上分類的概率分布，Ct表示目標域上的類別分類器，cp表示目標域上偽標簽的類別數量；代表樣本在源域上分類的概率分布，cs為源域上真實標簽的類別數量，Cs表示目標域上的類別分類器；S332：計算與目標域的相似性分數Si，表達式如下： 其中，cp表示目標域上偽標簽的類別數量；S333：計算所有源域樣本與目標域的相似性分數，組成相似性分數集合然后將所有相似性分數進行降序排列，取靠前的k％的相似性分數對應的源域樣本作為可靠性樣本集合δs，表達式如下： 其中，τs表示第k％個源域樣本的相似性分數；S334：定義在源域上的最大類別概率和第二大類別概率分別為和計算在源域上的不確定性Ui，表達式如下： S335：計算所有源域樣本不確定性值，組成不確定性值集合然后將所有不確定性值進行升序排列，取靠前的k％的不確定性值對應的源域樣本作為不確定性樣本集合δu，表達式如下： S336：結合公式6和公式8得到每個源域樣本的訓練權重表達式如下： S340：依據S336得到的源域樣本訓練權重，計算源域的交叉熵損失具體表達式如下： 其中，表示源域樣本屬于類別的概率；S350：依據S336得到的源域樣本訓練權重,計算源域的三元組損失具體步驟如下：S351：計算第i個以為錨點的三元組損失的權重為計算表達式如下： 其中，表示與距離最遠的源域正樣本，表示與距離最近的源域負樣本；S352：計算所有源域樣本的三元組損失后，可以得到源域的三元組損失具體表達式如下： 其中，和分別表示源域樣本與最遠源域正樣本和最近源域負樣本之間的距離，m表示三元組的間隔大小；S360：計算目標域的交叉熵損失和三元組損失具體表達式如下： 其中，表示目標域樣本屬于類別的概率。和分別表示目標域樣本與最遠目標域正樣本和最近目標域負樣本間的距離，m表示三元組的間隔大小；S370：根據公式10、公式12、公式13和公式14可得到初始化模型M’的最終損失函數Ltotal，表達式如下： 其中，表示軟交叉熵損失權重，表示軟三元組損失權重；S400：將源域和目標域作為初始化模型M′的輸入對模型M′進行訓練，根據S300中計算的損失更新M′中的參數，當達到最大訓練次數時停止訓練，得到訓練好的模型M″；S500：將待預測行人圖像輸入訓練好的模型M″中，得到行人的檢索結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶大學，其通訊地址為：400044 重慶市沙坪壩區沙正街174號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。