基于一致性学习的跨场景持续学习的行人再识别方法及装置

摘要

本发明公开了基于一致性学习的跨场景持续学习的行人再识别方法及装置，方法包括：得到每一个批次的数据的原始特征；将原始特征输入伪任务数据转换模块，分别得到每一个原始特征经过场景风格转换后对应的旧场景特征和新场景特征；在旧场景特征上计算域内和域间跨场景一致性损失函数，进行伪任务身份辨别性学习；计算旧场景特征样本和新场景特征样本的两两相似度，进行伪任务知识蒸馏；把新场景特征输入新场景的分类器后计算交叉熵损失函数，进行身份辨别性学习；计算每一个样本对应的旧场景特征和新场景特征距离，进行跨场景一致性学习。本发明能够在先后学习的多个场景下部署不断更新迭代的模型，从而达到降低训练模型和人工维护的成本的目的。