[发明专利]一种无监督转移学习的行人重识别方法及系统在审
| 申请号： | 201910281696.2 | 申请日： | 2019-04-09 |
| 公开（公告）号： | CN109977917A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 舒泓新;蔡晓东;胡月琳;李英 | 申请（专利权）人： | 中通服公众信息产业股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南智圆行方专利代理事务所(普通合伙企业) 37231 | 代理人： | 张玉琳 |
| 地址： | 830000 新疆维*** | 国省代码： | 新疆;65 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种无监督转移学习的行人重识别方法及系统，其系统包括以下模块：数据模块、视觉分类模块、时空模块、融合模块和增量优化模块。数据模块包含有标签源数据集和无标签的目标数据集。视觉分类模块用于在标记的源数据集中训练视觉分类器C；时空模块用于学习未标注目标数据集中行人的时空模式；融合模块用于构造包含视觉分类器和时空模块的融合模型F；增量优化模块用于对未标记目标数据集中F的排序并优化融合模型F。本系统用视觉分类器估算时空模型，得到融合模型，用融合模型反过来再与时空模型结合，继续增强融合模型，形成一个“闭环”。闭环循环多次后，能让融合分类器不断优化，从而得到一个目标场景中很强大的图像分类器。 | ||
| 搜索关键词： | 视觉分类 融合 目标数据 融合模块 时空模型 数据模块 优化模块 无监督 时空 标签 闭环 图像分类器 闭环循环 标记目标 目标场景 时空模式 数据集中 源数据集 分类器 源数据 学习 标注 排序 优化 估算 | ||
【主权项】：
1.一种无监督转移学习的行人重识别方法，其特征在于，包括：步骤S1：标记源数据集中的监督学习；数据模块(1)提供有标签的源数据集，传给视觉分类模块(2)，视觉分类模块(2)在标记的源数据集中训练视觉分类器C；步骤S2：未标记目标数据集中的时空模式的转移学习；数据模块(1)提供有标签的目标数据集，传给视觉分类模块(2)，用在标记的源数据集中训练的视觉分类器C学习未标注目标数据集中行人的时空模式；步骤S3：目标数据集的融合模型；将视觉分类器C和新学习的时空模式相结合构造融合模型F，以精确区分行人图像；步骤S4：增量优化融合模型F；利用融合模块(4)得到的融合模型F再次来结合时空模型进一步优化融合模型F。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中通服公众信息产业股份有限公司，未经中通服公众信息产业股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910281696.2/，转载请声明来源钻瓜专利网。
