基于类别自适应聚类的无监督行人重识别方法

发明专利有效专利

申请号：
CN202010416728.8
IPC分类号：G06K9/00;G06K9/62
申请日期：
2020-05-17
申请人：
西北工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于类别自适应聚类的无监督行人重识别方法
申请号	CN202010416728.8	申请日期	2020-05-17
法律状态	实质审查	申报国家	中国
公开/公告日	2020-09-08	公开/公告号	CN111639561A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2查看分类表>
申请人	西北工业大学	申请人地址	陕西省西安市友谊西路127号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西北工业大学	当前权利人	西北工业大学
发明人	冉令燕;王夏洪;张艳宁;吕艳兵
代理机构	西北工业大学专利中心	代理人	常威威

摘要

本发明提供了一种基于类别自适应聚类的无监督行人重识别方法。首先，为无标签数据集预分配初始化标签，利用CNN模型提取行人图像的高维特征；然后，对特征集合进行阶段性类别自适应聚类，更新图像标签并计算该阶段聚类结果的平均轮廓系数，并交替更新特征提取CNN模型和类别自适应聚类模型，直至平均轮廓系数出现拐点；最后，利用训练得到的拐点处CNN模型提取测试行人图像特征，通过计算特征距离得到无监督行人重识别结果。本发明可以解决无标记数据集行人重识别任务中个体数目无法确定的问题，能够动态地适应不同规模数据集，具有较高的算法效率和精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供