一种基于多粒度标签的交叉域自适应行人重识别方法

摘要

本发明属于计算机视觉与行人识别的交叉领域，一种基于多粒度标签的交叉域自适应行人重识别方法。本方法首先基于深度学习的方法提出了多粒度分辨率网络，该网络结构在分块多粒度网络的基础上，增加了多分辨率的特征信息，使得模型在细节特征提取能力上得到了提高。此外，通过增加注意力机制，使模型自适应学习不同粒度的权重占比，提升多粒度分辨率网络的性能。为提高无标签数据的利用率，在源域和目标域之间的交叉域自适应训练过程中采用聚类得到目标域的多粒度“伪标签”，形成每张行人图像拥有一个主身份标识以及多个分块身份标识的多粒度标签结构，补充行人特征的部分相似性。本方法可以扩展到更多的无标签数据，且对数据的分布无约束条件。