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！

龙图腾网获悉南京信息工程大学申请的专利一种用于无监督域适应行人重识别的噪声标签修正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116311356B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310115089.5，技术领域涉及：G06V40/10；该发明授权一种用于无监督域适应行人重识别的噪声标签修正方法是由田青;杜晓欣设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本一种用于无监督域适应行人重识别的噪声标签修正方法在说明书摘要公布了：本发明提供一种用于无监督域适应行人重识别的噪声标签修正方法，涉及无监督域适应行人重识别领域。该用于无监督域适应行人重识别的噪声标签修正方法，利用源域数据集及其对应的标签来训练源模型；利用基于聚类的无监督域适应行人重识别方法对源模型进行微调，利用本文提出的噪声标签修正框架对微调后的域适应模型进行噪声标签修正。相比于以往的噪声标签修正方法，本方法利用噪声标签矫正器将噪声标签做变量处理，并通过反向传播来更新概率标签变量，在更新变量的同时逐渐纠正噪声标签。本方法可以显著提高模型性能，且是一种即插即用的噪声修正方法。

本发明授权一种用于无监督域适应行人重识别的噪声标签修正方法在权利要求书中公布了：1.一种用于无监督域适应行人重识别的噪声标签修正方法，其特征在于，包括： 使用源域的数据集训练用于跨域行人重识别的源模型，得到相应的网络模型和权重文件； 加载源模型和权重文件来初始化自适应模型，利用自适应模型提取目标域样本特征，并利用目标域样本特征进行聚类得到相应的样本伪标签；利用带伪标签的目标域数据集训练自适应模型，得到相应的网络模型和权重文件； 加载自适应模型和权重文件来初始化待修正的模型，利用模型预测的目标域样本的噪声标签来初始化噪声标签矫正器中的概率标签变量； 使用目标域训练样本以小批量的方式通过模型参数学习和标签学习来更新和维护概率标签变量和模型参数，并利用概率标签变量的更新来纠正噪声，实现目标域的噪声标签修正，直到网络模型收敛,得到噪声修正后的网络模型和权重文件； 所述使用源域的数据集训练用于跨域行人重识别的源模型，得到相应的网络模型和权重文件，具体采用交叉熵损失和多重相似性损失以有监督的方式进行训练； 所述交叉熵损失的具体形式表示为： 其中，Ns是源域数据集的样本数，表示为样本的模型预测概率，表示样本的真实身份标签； 所述多重相似性损失通过采样和加权两个步骤迭代实现，采样阶段通过计算样本对的相对相似度来选择信息丰富的样本对，采样阶段粗略的选中了信息丰富的样本对，丢掉信息匮乏的对，加权阶段通过联合计算其自相似度和相对相似度来对样本进行加权；通过集成采样和加权阶段得到多重自相似损失，多重相似性损失函数表示为： 其中，sij＝gs,i,gs,j表示两个特征的相似度，.,.表示点积；α，β，λ都是超参数，P表示样本的正例对集，Ni表示样本的反例对集； 源模型通过最小化交叉熵损失和多重相似性损失进行优化，源模型的总损失函数表示为： Lsrc＝Lsce+αLms。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。