基于异构双网络和特征一致性的行人重识别模型训练方法

摘要

本发明公开了一种基于异构双网络和特征一致性的域自适应行人重识别模型训练方法、设备、装置及计算机存储介质和行人重识别方法，本发明设计了一个异构双网络框架，它包含两个非对称分支，其中一个使用感受野有限的卷积来获取局部信息，另一个使用Transformer模块来捕获长程依赖，利用异构双网络的互学习来提高网络间的异质性和互补性，从而提高对噪声伪标签的鲁棒性；为了减少网络在优化过程中受噪声伪标签的干扰，提出了特征一致性损失，其不需要依赖任何标签信息，更关注样本在特征空间的一致性；为了增强网络的语义信息，本发明设计了一个自适应通道互感知模块，对行人的显著性区域进行特征提取，从而提高了行人重识别的精度与效率。