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！

龙图腾网获悉东南大学申请的专利基于相机感知图学习的无监督行人重识别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：CN115457596B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211082601.2，技术领域涉及：G06V40/10；该发明授权基于相机感知图学习的无监督行人重识别方法是由路小波;冉智丹;刘维设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本基于相机感知图学习的无监督行人重识别方法在说明书摘要公布了：本发明公开了一种基于相机感知图学习的无监督行人重识别方法，首先提取行人图像特征，并用聚类算法得到伪标签，同时构造内存字典；将每个相机作为一个独立的图像域，并从每个图像域中抽取样本以形成小批量训练样本；随后将所有图像样本特征用于构建相机感知图，利用图卷积网络将图像样本融合到统一的特征空间中，通过特征聚合来生成理想的图像特征；再构造基于内存的非参数对比损失来训练特征提取器和图卷积网络，构造相机对抗损失生成更加鲁棒有效的图像特征；重复执行前述步骤，直至模型收敛；最后，用特征提取器将行人图像映射到特征空间中，并将待查询行人图像的特征向量与候选行人图像的特征向量进行欧式距离比较并排序，最终得到行人重识别结果。

本发明授权基于相机感知图学习的无监督行人重识别方法在权利要求书中公布了：1.基于相机感知图学习的无监督行人重识别方法，其特征在于，该方法包括以下步骤： S1、利用特征提取器提取行人图像特征，并将聚类算法应用于图像特征向量以得到身份伪标签，同时构造内存字典来存储集群特征； S2、将每个相机作为一个独立的图像域，并从每个图像域中抽取样本以形成小批量训练样本； S3、将小批量训练样本中的所有图像样本特征用于构建相机感知图，利用图卷积网络将图像样本融合到统一的特征空间中，通过特征聚合来生成理想的图像特征； S31、利用特征提取器提取小批量训练样本中行人图像的特征向量； S32、将步骤S31获得的小批量训练样本中的所有图像样本特征用于构造相机感知图其中表示一个有向图，ε表示有向图的边集合，表示有向图的节点集合，且节点集合里的每个节点与一个图像特征向量关联； ε的权值用一个Na×Na大小的矩阵来表示，其中Na＝V×Nb表示小批量训练样本中的训练样本数；矩阵中的元素赋值规则如下： 其中，表示矩阵中第i行第j列的元素值，yi,yj表示小批量训练样本中第i和第j张行人图像的伪标签，ci,cj表示小批量训练样本中第i和第j张行人图像的相机标号，Nb表示从一个图像域中抽取的图像数； S33、加入自连接并将矩阵标准化为： 其中，A表示标准化之后的矩阵，D表示度矩阵，I表示单位矩阵； S34、用图卷积网络来更新相机感知图上的节点特征，将矩阵A和节点集合输入到图卷积网络中得到更新过后的节点特征集合；节点特征在图卷积网络中的传播规则定义为： 其中，分别表示传播到第l层和第l-1层的节点特征集合，Gl表示卷积神经网络的第l层； 最终图卷积网络更新之后的节点特征集合为： 其中，表示图卷积网络输出的节点特征集合，Na表示小批量训练样本中的训练样本数，分别表示图卷积网络输出的第1，第2和第Na个节点特征； S4、构造基于内存的非参数对比损失来训练特征提取器和图卷积网络，构造相机对抗损失来训练特征提取器，每次训练迭代后，用每个小批量训练样本中的特征向量来更新内存字典中的特征表示； S41、构造对比损失函数来训练特征提取器，用于训练特征提取器的对比损失函数为： 其中，表示用于训练特征提取器的对比损失函数，表示数学期望，log表示对数运算，exp表示欧拉数的指数运算，fq表示查询实例特征向量，表示特征字典中关于查询实例的正聚类特征向量，mi表示特征字典中的第i个特征向量，τ1表示温度超参数，Nm表示集群数； S42、构造对比损失函数来训练图卷积网络，用于训练图卷积网络的对比损失函数为： 其中，表示用于训练图卷积网络的对比损失函数，表示图卷积网络的查询实例特征向量，表示特征字典中关于zq的正聚类特征向量，τ2表示温度超参数；τ1设置为0.05，τ2设置为0.05； S43、设计一个鉴别器来判断特性向量是来自特征提取器还是图卷积网络； S44、构造相机对抗损失来训练特征提取器： 其中，表示相机对抗损失函数，φ表示特征提取器，bc,i表示第c号相机拍摄的第i张图像样本，D表示鉴别器； S45、在每次训练迭代后，每个小批量训练样本中的特征向量用于更新内存字典中的特征表示，形式上，内存字典中的第k个特征向量的更新规则为： 其中，分别表示在第T和第T-1次训练迭代中内存字典中的第k个特征向量，α表示动量更新系数，f表示小批量训练样本中与内存字典中第k个特征向量相对应的行人图像特征向量； S5、重复执行步骤S1-S4多次，直至模型收敛； S6、用特征提取器将行人图像映射到特征空间中，并将待查询行人图像的特征向量与候选行人图像的特征向量进行欧式距离比较并排序，最终得到行人重识别结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。