一种无监督数据驱动的行人重识别方法

摘要

本发明公开了一种无监督数据驱动的行人重识别方法；首先构建并实现对轻量级行人重识别网络的预训练；接着利用行人重识别网络中的特征提取模块对来自实际场景的无标签数据进行特征提取；并通过特征的级联排序，利用数据特征对的排序列表以及列表中元素的二级排序列表的相似度，挖掘数据特征之间的相似关系，根据聚合度指标对有效的无标签数据进行行人身份标注；然后将自动标注身份的无监督数据随机替代原训练集的部分数据，实现对训练集的更新；最后利用更新后的训练集实现行人重识别网络的重新学习。本发明对实际应用场景无标签数据集进行类别自动标注，使行人重识别模型具有适应新应用场景的能力，改善了行人重识别模型的泛化特性。