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！

龙图腾网获悉宁波大学申请的专利一种基于相机感知和深度学习的无监督域适应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：CN115578746B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211056593.4，技术领域涉及：G06V40/10；该发明授权一种基于相机感知和深度学习的无监督域适应行人重识别方法是由吴晴晴;郭立君;余晓婷;张荣设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于相机感知和深度学习的无监督域适应行人重识别方法在说明书摘要公布了：本发明涉及一种基于相机感知和深度学习的无监督域适应行人重识别方法，采用将目标域数据集中的特征基于图片样本自带的相机编号进行筛分，然后进行聚类得到多个相机的相机内部伪标签，并基于一致性系数矩阵和跨相机的全局伪标签对多个相机的相机内部伪标签进行重新编整，使得多个相机内的属于同一类代理的伪标签的类代理编号一致，修正后的跨相机的全局伪标签克服了全局聚类中跨视角造成的同个行人在图片上的差异，并通过计算源域数据集和目标域数据集的对比损失进一步缓解了目标域数据集中的相机域差异，提高了对噪声标签的鲁棒性。

本发明授权一种基于相机感知和深度学习的无监督域适应行人重识别方法在权利要求书中公布了：1.一种基于相机感知和深度学习的无监督域适应行人重识别方法，其特征在于，包括： 步骤1、获取一个有标签的源域数据集和一个无标签的目标域数据集；其中，为源域数据集中的图片样本的数量，为目标域数据集中的图片样本的数量，源域图片对应的真实标签；将源域数据集和目标域数据集中的每张图片样本进行预处理； 步骤2、构建基于相机感知的行人重识别网络模型，并将预处理后的源域数据集和目标域数据集输入行人重识别网络模型进行特征提取，得到特征集，其中，为源域数据集中图片样本的特征，为目标域数据集中图片样本的特征； 步骤3、根据图片自带的相机标签，分别对中同一个相机内的特征进行全局聚类，分别得到多个相机的相机内部伪标签，所述相机内部伪标签内包含多个精细类样本集合；对特征集中的进行全局聚类，得到跨相机的全局伪标签，所述跨相机的全局伪标签内包含多个粗糙类样本集合； 步骤4、根据聚类结果构建相机不可知记忆模块和相机感知记忆模块，并根据跨相机的全局伪标签和相机内部伪标签计算一致性系数矩阵；然后基于一致性系数矩阵和跨相机的全局伪标签对多个相机的相机内部伪标签进行编整，得到修整后的跨相机的全局伪标签和修整后的相机内部伪标签，进而得到带有伪标签的目标域数据集；包括： 步骤401、根据聚类结果构建相机不可知记忆模块和相机感知记忆模块； 步骤402、根据跨相机的全局伪标签和相机内部伪标签计算一致性系数矩阵为： ； 式中，为相机内部伪标签内的精细类样本集合，，为相机内部伪标签的类代理总数；为全局伪标签内的粗糙类样本集合，； 步骤403、基于一致性系数矩阵和跨相机的全局伪标签，从各个相机的相机内部伪标签中筛出属于同一类代理的精细类样本集合并重新进行整编，得到修正后的全局伪标签，方式为： ； 重新整编后的各个相机的相机内部伪标签为； 步骤404、基于修正后的全局伪标签和各个相机的相机内部伪标签为得到带有伪标签的目标域数据集，其中，，表示号相机下有标签样本的数据集，是目标域数据集中图片样本的全局伪标签，是整理后的类代理总数，是目标域数据集中图片样本在号相机下相机内伪标签，表示号相机下类代理数，表示目标域数据集中图片样本的相机编号，表示号相机下的图片样本数量； 步骤5、采用联合训练的方式，通过计算源域数据集和目标域数据集的总损失，梯度回传更新行人重识别网络模型的参数，动态更新相机不可知记忆模块和相机感知记忆模块的参数，保存行人重识别网络模型的参数的最优参数。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。