一种渐进增强自学习的无监督跨领域行人再识别方法

摘要

本发明公开了一种渐进增强自学习的无监督跨领域行人再识别方法，该方法首先是在有标签原始域数据集上训练得到的网络模型上提取无标签目标域数据集的初始特征，计算相似度得分矩阵，利用HDBSCAN聚类给予目标域数据伪类标，并利用基于Triplet损失函数进行模型重训，随后使用基于Softmax损失函数在带有聚类中心特征初始化分类层的网络模型上再次进行重训，两阶段交替循环学习，相互修正，最后提取网络模型的判别特征作为图片的特征表征，进行特征层面的比对。采用本发明提供的方法能够逐渐增强网络模型的收敛能力及高模型的信息表征能力，进而能够提高网络模型在无标签目标域数据上的泛化能力，从而能够提高无监督跨领域行人再识别精度。