[发明专利]一种基于三数据集交叉迁移学习的无监督行人再识别方法

摘要

本发明公开了一种基于三数据集交叉迁移学习的无监督行人再识别方法，步骤如下：将三个CNN在用于图像分类的大数据集上进行训练，得到三个预训练模型；并在三个有标签的源行人数据集A、B和C上分别进行微调；利用这三个CNN分别提取目标数据集中无标签行人图片的特征，用K‑近邻聚类算法对提取到的特征分别进行聚类；筛选出三个模型聚类后靠近聚类中心域的图片样本，并打上拟标签；将三个打上拟标签的样本数据进行交叉轮换加入到另一个源行人数据集中，再对模型进行微调；将一张行人测试图片输入到训练好的三个模型得到三个特征矩阵，并进行最大池化操作，得到测试图片的唯一特征；计算唯一特征与数据库中的图片特征的欧氏距离，距离最小的数据库图片的身份即为本张测试图片的身份。

主权项

1.一种基于三数据集交叉迁移学习的无监督行人再识别方法，其特征在于，包括步骤如下：训练时：步骤1：将三个CNN在用于图像分类的大数据集上进行训练，得到三个预训练模型；将这三个预训练的CNN在三个有标签的源行人数据集A、B、C上分别进行微调，使其能有效提取行人特征；步骤2：利用微调后的三个CNN分别提取目标数据集中无标签行人图片的特征，并使用K‑近邻聚类算法对提取到的特征分别进行聚类；步骤3：筛选出三个模型聚类后靠近聚类中心域的图片样本，并对这些样本分别打上拟标签；步骤4：将三个模型打上拟标签的样本数据进行交叉轮换加入到另一个源行人数据集中，从而对模型进行微调；重复步骤2～4操作，直到三个模型收敛为止，结束迭代；测试时：步骤5：将上述训练好的三个模型对同一张行人测试图片进行特征提取，得到三个特征矩阵，对这三个特征进行最大池化操作，得到测试图片的唯一特征；步骤6：利用该唯一特征与数据库中的图片特征进行匹配，计算他们之间的欧氏距离，距离最小的库图片身份即为这张测试图片的身份。